查找前面没有某些东西的正则表达式模式

Question

我有以下 HTML 文件结构：

<table>
   <tr class="heading">
      <td colspan="2">
         <h2 class="groupheader">Public Types</h2> 
         <!-- I don't want that! We're in a table.-->
      </td>
   </tr>
   <tr>...</tr> 
</table>
<h2 class="groupheader">Detailed Description</h2>
  <!-- I want all that until the next h2-->
  <div class="textblock"><p>Provides the functions to control the generation of a single data log file. </p>
    <h4>Example</h4>
    <div class="fragment"><div class="line">Test <a href="aaa">stuff</a>();</div>
        <div class="line">...</div>     
        <div class="line">...</div>
    </div>
</div> <!-- end of first result -->

<h2 class="groupheader">Member</h2>
<!-- I want all that until the next h2 or hr-->
<a class="anchor"></a>
<div class="memitem">
<div class="memproto">
      <table class="memname">
        <tr>
          <td class="memname">enum <a class="el" href="...">test</a></td>
        </tr>
      </table>
</div><div class="memdoc">
<hr><!-- End of 2nd result -->

使用正则表达式，我需要获取每个标题之间的所有内容，直到下一个标题或 hr 标记，期待它是否在表格中。

到目前为止，我已经获得了我所有的 h2->h2|hr 内容。它是这样的：

(?s)(<h2 class="groupheader">.*?)(<h2|<hr)

如何跳过表格中包含的 H2 下的内容？我试过带着消极的表情在后面胡思乱想，但我没有得到任何结果。

感谢您的帮助。

Answer 1

请注意，HTML 应该使用适当的解析器进行解析

现在，因为我们只剩下看起来像 HTML 的输入和一个任务

要获取每个标题之间的所有内容，直到下一个标题或 hr 标签，期待它是否在表格中

让我展示一下如何做到这一点。

您可以在 tempered greedy token ((?:(?!<\/table|<h2|<hr)(?:<table\b[^<]*>.*?<\/table>|.))*) 的帮助下获取所需的子字符串（它匹配任何未在其之前的否定前瞻中开始任何替代的符号 - 因此，将匹配保持在 @987654324 @ 边界 - 并且还匹配内部表），最后有一个积极的前瞻：

(?s)<h2 class="groupheader">[^<]*<\/h2>\s*((?:(?!<\/table|<h2|<hr)(?:<table\b[^<]*>.*?<\/table>|.))*)(?=<h2|<hr)

见demo。

请注意，您可以使用h\d+ 代替h2 来支持任何级别的h。