Comment rechercher du texte entouré par des guillemets doubles avec la RegEx?

J'ai une chaîne avec un code HTML, par exemple:

This is <strong id="c1-id-8">some</strong> <em id="c1-id-9">text</em>

J'ai besoin de dépouiller le id attribut de chaque balise HTML, mais j'ai zéro expérience avec des expressions régulières, j'ai cherché ici et là, à partir de l'internet et j'ai écrit ce modèle: [\s]+id=\".*\"

Malheureusement il ne fonctionne pas comme je m'attends. Enfait, j'espérais que l'expression régulière attrape le id=" suivie par n'importe quel caractère répété pour n'importe quel nombre de fois et s'est terminé avec l' plus proche double quote; Pratiquement dans cet exemple, je m'attendais à attraper id="c1-id-8" et id="c1-id-9".
Mais au lieu de cela, le patron me fit la sous-chaîne id="c1-id-8">some</strong> <em id="c1-id-9", il trouve la première occurrence de id=" et la dernière occurrence d'une double caractère de devis.

Pourriez-vous me dire quel est le problème dans mon modèle, et comment résoudre le problème, s'il vous plaît?
Merci beaucoup

Pour l' ∞e fois, utiliser un parser. HTML n'est pas un langage régulier.

OriginalL'auteur Cesco | 2011-09-25

  1. 10

    Le quantificateur .* dans votre regex est gourmand (sens qu'elle correspond autant qu'il le peut). Afin de correspondre au minimum requis, vous pouvez utiliser quelque chose comme /\s+id=\"[^\"]*\"/. Les crochets [] indiquer une classe de caractères. Donc, il correspondra à la tout à l'intérieur des crochets. Le carat [^] au début de la classe de votre personnage est une négation, ce qui signifie qu'il va correspondre à tout sauf ce qui est spécifié dans les crochets.

    Une alternative serait de dire la .* quantificateur à être paresseux par .*? qui va correspondre à aussi peu que possible.

    Merci beaucoup, maintenant je comprends comment cela fonctionne: (1) il commence par la recherche de toute quantité d'espace + id=" (2) il recherche tout characther jusqu'à ce qu'un guillemet double caractère (3) il recherche un devis double char.
    Correct. Et bravo pour sortir et faire des recherches sur votre problème avant de le poster ici, c'est toujours utile
    Excellentes précisions/corrections. J'ai édité ma réponse que j'espère être plus précis
    +1 Vous fixe!

    OriginalL'auteur nachito

  2. 3

    Dans .* l'astérisque est un gourmand quantificateur matchs et autant de caractères qu'il le peut, il ne s'arrête à la dernière " qu'il trouve.

    Vous pouvez soit utiliser ".*?" pour le rendre paresseux, ou mieux, de l'OMI), de l'utilisation "[^"]*" de faire le match explicite:

    "      # match a quote
[^"]*  # match any number of characters except quotes
"      # match a quote

    Vous pourriez encore besoin d'échapper les guillemets si vous êtes la construction de l'expression régulière dans une chaîne; sinon ce n'est pas nécessaire puisque les citations ne sont pas de caractères spéciaux dans une regex.

    Merci beaucoup pour l'explication détaillée

    OriginalL'auteur Tim Pietzcker

  3. 1

    Un analyseur syntaxique est la meilleure solution dans le cas général, mais ils prennent le temps d'écrire. Il y a des cas où l'écriture on pourrait prendre plus de temps que l'analyseur permettrait de sauver; c'est peut-être un tel moment.

    Ce que vous voulez, c'est un non-gourmand match ou plus spécifiques. /[\s]+id=\".?\"/fera l'affaire, mais [\s]+id=\"[^"]\" sera plus rapide.

    Noter qu'une regex qui prend en compte la possibilité de s'échappa de citations des personnages, permet des apostrophes à la place des guillemets doubles, et permet l'absence de guillemets entièrement serait beaucoup plus complexe. Vous voulez vraiment un analyseur à ce point.

    OriginalL'auteur db48x

  4. 1

    exemple avec grep: (mais le point est que l'expression)

    kent$  echo 'This is <strong id="c1-id-8">some</strong> <em id="c1-id-9">text</em>'|grep -oP '(?<= id=")[^"]*(?=">)'
c1-id-8
c1-id-9
    Merci pour cet exemple

    OriginalL'auteur Kent

  5. 0

    Si vous savez que votre id est toujours de 7 caractères, vous pouvez faire cela.

    /\sid=".{7}"/g

    Donc..

    var a = 'This is <strong id="c1-id-8">some</strong> <em id="c1-id-9">text</em>';

var b = a.replace(/\sid=".{7}"/g, '');

document.write(b);

    Exemple: http://jsfiddle.net/jasongennaro/XPMze/

    Vérifier l'inspecteur de voir le ids supprimé.

    Je vous remercie beaucoup. Malheureusement, la chaîne de code pourrait être de n'importe quelle longueur et je n'ai aucun contrôle sur elle 🙁
    Celui qui downvoted. Je n'ai pas l'esprit de la downvote, mais pourriez-vous me dire pourquoi?

    OriginalL'auteur Jason Gennaro