用于在字符串中查找孤儿小于号的正则表达式

Question

好的，所以我尝试为此提供一个好的正则表达式，但我只做到了以下几点：

(<(.*)(<))|(<(.*)).

但这有几个问题。

首先，我需要我的正则表达式指出孤儿小于的确切位置。上面的正则表达式非常适合<10% 或< abb123 <asdsad> 等情况。

但它也会匹配我不想看到匹配的<asdad> <asdsad>。也会匹配 <10% <asdad> <asdsad> 直到 tag2 的小于号，我将得到 <10% <asdad> <。

我知道这种情况正在发生，因为我正在使用(.*)，但我无法想出一种方法来提供一种可以匹配所有内容的方法，但 > 在两个

  `<tag1><tag2>`

不匹配，我可以匹配 <tag1><tag2><10% 之类的内容，其中小于后面没有任何其他小于或大于但其他字母、字符和数字。

Answer 1

据我了解，您正在尝试查找后面没有相应 > 字符的 < 字符。适合您的示例，我们可以这样做：

<(?![^<]*>)

_{例如：http://regexr.com/?373kl}

分解，这是：

• 一个“小于”字符<，后跟
• negative lookahead assertion(?! ) 包含
• negated character class

<        # literal '<' character  
(?!      # negative lookahead
  [^<]*  # 0 or more characters that are not '<'
  >      # literal '>' character
)        # (closing the lookahead)

先行查看它遇到的下一个尖括号是否是>。由于它是一个否定的前瞻，如果 不是，它匹配。

---

更新

做相反的事情——识别前面没有对应<字符的>字符——要复杂得多。这是因为在大多数正则表达式引擎中，包括 Java 引擎，lookbehinds 必须具有固定长度（即，您不能使用像 + 和 * 这样的量词）。所以我们不能真正使用lookbehind，这在概念上是我们需要的。

一些正则表达式引擎具有\K 构造，它允许我们有效地伪造可变长度的lookbehind，但Java 不是其中之一。所以我们必须捕获我们想要的>之前的所有内容，然后想办法忽略那些字符。

这是一种方法：

(?:^|>)[^<>\r\n]*(>)

_{例如：http://regexr.com?373m2（将鼠标悬停在匹配项上以查看组）}

> 周围有括号，因此它将被单独捕获为一个组。 （这样你可以隔离它并获取它在字符串中的位置。）

分解，这是：

• 一个非捕获组(?:^|>)（因为我们不需要它作为一个单独的组），
• 一个否定字符类[^<>\r\n]*，和
• 一个“大于”> 字符在它自己的capturing group

(?:         # non-capturing group
  ^|>       # ^ start of line or '>' character 
)
[^<>\r\n]*  # 0 or more characters other than '<', '>', or newlines
(>)         # literal '>' character in its own capturing group

这里的想法是，我们开始查看行首或我们通过的最后一个右括号> 之后。我们找到的下一个不匹配的> 将单独在第 1 组中。