【发布时间】：2014-01-06 03:43:44
【问题描述】：
已解决（见“justhalf”的第一条评论）
**
我知道，使用 RegEx 来处理 HTML 是邪恶的。
但是，我的手段和技术受到限制，我不知道还能做什么。
情况如下：
我有一个包含大约 5000 个页面的网站。
有一些错误我想修正：
这样的事情：
<a href="foo" alt='The queen's attendants ate the cake.' id='yee'>
此示例中的错误是 HTML 属性“alt”的值包含在撇号中，但文本也包含撇号。 这种类型的错误应该有很多。我想把它们都找出来并改正它们。
我用这个模式试了一下：{ [a-zA-Z].*?='[^'].*?'[^=>].*?'}:
即：一个空格，后跟HTML属性名称([a-zA-Z].*?)，后跟=和属性值(='[^'].*?')。到这里为止，这应该匹配一个有效的 HTML 属性。
对于一个有效的 HTML 属性，从这里开始的将是一个空格，后跟下一个属性，或者是 HTML 标记的右括号 >。
因此，为了匹配上述错误的 HTML 属性，我使用 ([^=>].*?') 继续搜索模式，即不包含 = 或 > 的字符串，后跟一个 '。换句话说，下一个撇号应该在之前任何=或>符号。
根据我的理解，这个应该排除有效的HTML属性，后面是下一个HTML属性或HTML标签的结束>。 但不知何故，它并没有真正那样工作。
例如，通过这种搜索模式，我可以找到如下内容：
class='noteTag' href='
id='fnt-14' name='
所以...有效的 HTML 属性，然后是下一个。
但我认为这些东西应该被[^=>].*?'排除在外
很困惑。
【问题讨论】：
-
你应该去掉这些点，你不是故意的。你应该使用
[a-zA-Z]*?='[^']*?'[^=>]*?'。因为当您执行[^=>].*?时，您将匹配不以=或>开头的任何内容，因为.*?将匹配任何字符串。请注意，例如[a-z]+将匹配任何仅由小写字母组成的字符串，而[a-z].+将匹配任何以小写字母开头的字符串。 -
注意
[a-zA-Z]*?='[^']*?'[^=>]*?'将在带有多个单引号的文本（如alt='The queens''' attendants ate the cake.'）上失败。您可以尝试使用[a-zA-Z]*?='[^']*'[^=>]*'来解决此问题。 -
@IvanChau：非常感谢！慢慢地，我开始了解所有这些修饰符及其用途。