匹配<div></div>标签用正则表达式的红宝石

Question

谁能告诉我怎么可以<div>标签开始匹配</div>标签的一端与Ruby的正则表达式？

比如让说我有一个：

<div> 
<p>test content</p> 
</div> 

到目前为止，我有这样的：

< div [^>]* > [^<]*<\/div> 

，但它似乎并不工作。

Answer 1

像PinnyM指出的那样，HTML解析器（如Nokogiri）可能会比使用Regex更好。

Here是一个介绍如何搜索HTML/XML文档的Nokogiri页面的教程。

这个stackoverflow question演示了类似于你想用CSS选择器完成的事情。也许这样的事情会对你有用。

Answer 2

要匹配<div>当这一切都在同一行，使用：

/<div[^>]*>/ 

但是，将任何标记突破与标签内的新线。如果在<和div之间有空白，那么它也会中断。

最后，在添加了所有可能的标记写法的额外检查之后，您需要考虑一种更好的方法，那就是使用解析器，比如Nokogiri，它可以处理HTML和XML更容易。

例如，因为你试图撕开HTML：

<div> 
<p>test content</p> 
</div> 

它很容易被猜到你真的想“测试内容”。如果将HTML改为：

<div><p>test content</p></div> 

或者更糟：

<div 
><p> 
test 
content 
</div> 

浏览器不会在意，也不会对一个很好的解析器，但正则表达式将生气，并要求返工。

require 'nokogiri' 
require 'pp' 

doc = Nokogiri.HTML(<<EOT) 
    <div 
    ><p> 
    test 
    content 
    </div> 
EOT 
pp doc.at('p').text.strip.gsub(/\s+/, ' ') 
# => "test content" 

这就是为什么我们推荐解析器。

Answer 3

Nokogiri是伟大的，但是，恕我直言，有不能使用的情况。

为了您的单纯情况下，你可以使用这个：

puts str.scan(/<div>(.*)<\/div>/im).flatten.first 

<p>test content</p>