html之间的正则表达式字符串<br>

Question

我刚接触正则表达式。 我想提取所有的HTML标记之间的字符串

包含一个子 例如，对于HTML如下：

<span class='mouseOverHeader'>Test TEst</span> 
<div class='mouseOverData'> 
xxx cccc ccccc<br>qqq wwww wwww<br>qqq qqq MYSUBSTRING<br><br> 
<a id="email" style="cursor:pointer" onclick=">mmmmmm</a> 
</div> 

我想提取字符串“QQQ QQQ MYSUBSTRING” 因为它包含子我寻找“MYSUBSTRING”

非常感谢帮助

Answer 1

通常的方式来解析HTML是在构建树（类似的东西BeautifulSoup Python，HTML::Tree in Perl）

原因是由于HTML标签的嵌套特性以及嵌入其他语言，正则表达式经常会失败和/或产生错误的输出。我相信，这些模块都在做它的方式是通过压入和弹出标签构建树（读括号<>）入栈和弹出出来时，他们被关闭（读</>）

不过，若你要坚持正则表达式，可以尝试用这样的：

while($code =~ m/<br>(.+?)<br>/g) 
{ 
print "$1\n"; 
} 

此正则表达式将只匹配第一组，但while循环，可以使匹配，直到遇到不具有图案的子字符串。 我强烈建议您练习一些在线可视化正则表达式匹配器，在您键入时突出显示组（尝试RegExr）。