查找包含 HTML 的字符串中的所有匹配项答案

【问题标题】：Find all occurrences in string containing HTML查找包含 HTML 的字符串中的所有匹配项
【发布时间】：2017-05-30 12:45:08
【问题描述】：

我有一个包含 HTML 的字符串，例如：

s <- "...<span class=\"pull-right\">170 cm</span>...
<span class=\"pull-right\">29</span>...
<span class=\"pull-right\">06/24/1987</span>..."

其中... 表示中间还有其他HTML 标签。我想提取>和</span>之间的信息，可以是

我想出了这样的正则表达式：

">[0-9/]*[a-z ]*[A-Z]*</span>"

这是正确的吗？如何提取感兴趣的值？也就是说，给定s：

170 cm
29
06/24/1987

【问题讨论】：

【解决方案1】：

您最好使用 HTML 解析器。但是，如果您需要一个快速而肮脏的基于正则表达式的解决方案，请使用环视来提取一些打开（(?<=>) 用于前面的 >）和关闭（(?=</span>) 用于尾随 </span>）模式之间的模式：

(?<=>)[0-9/A-Za-z ]*(?=</span>)

请注意0-9/、a-z、A-Z 组合在一个类中，否则1 Gb 之类的字符串将不匹配（您的原始正则表达式要求大写字母跟在小写字母后面）。

可通过perl=TRUE 获得环视：

m <- gregexpr("(?<=>)[0-9A-Za-z /]*(?=</span>)", s, perl=TRUE)
regmatches(s, m)

【讨论】：

【解决方案2】：

这是一个匹配的正则表达式

170 厘米

1987 年 6 月 24 日

(\d{2}\/\d{2}\/\d{4})|(\d+ [A-Za-z]+)|(\d+)

【讨论】：