解析 og：带有 ColdFusion 正则表达式的标签答案

【问题标题】：Parsing og: tags with ColdFusion regex解析 og：带有 ColdFusion 正则表达式的标签
【发布时间】：2014-10-09 07:02:11
【问题描述】：

如果想从 html 中提取/匹配 Open Graph (og:) 标签，使用正则表达式（和 ColdFusion 9+），该怎么做？

棘手的一点是，它必须涵盖标签形成的两种可能变化，如下例所示：

<meta property="og:type" content="website" /> 
<meta content="website" property="og:type"/>

到目前为止，我得到的只是这个：

<cfset tags = ReMatch('(og:)(.*?)>',html_content)>

它确实匹配两个链接，但是只有第一个类型具有返回的内容位。内容是我需要的。

为了明确起见，所需的输出应该是一个包含所有 OG 标签的数组（它们可以是“类型、图像、作者、描述等）。这意味着它应该是灵活的，而不是仅仅基于 og:type 示例。

当然，如果可能的话，理想的输出应该是一个结构，第一列是标签的名称，第二列包含值（内容）。但这可以通过后处理来实现，并不像提取标签本身那么重要。

干杯，西蒙

【问题讨论】：

标签： regex coldfusion

【解决方案1】：

所以你想要一个像 ['og:author','og:type', 'og:image'...] 这样的数组？

尝试使用像 og:([\w]+)

这样的正则表达式

这应该给你一个开始。如果您有两个相同的 og:foo 元标记，您将有重复。

您也可以查看 JSoup 以帮助您解析 HTML。它使它变得容易得多。

有一些关于在 CFML 中使用它的好博客文章

jQuery-like parsing in Java

Parsing, Traversing, And Mutating HTML With ColdFusion And jSoup

【讨论】：

嘿，我不想要一个像 ['',' '...] 或者，有一个像 {'type':'website','description':'this is a description' 这样的结构会更好。 .} 感谢您的链接，将检查出来

【解决方案2】：

好的，根据@abbottmw 的建议（非常感谢！），解决方案如下：

从这里下载 Jsoup jar 文件：http://jsoup.org/download

然后像这样启动它：

<cfhttp url="...." result="oghtml" > /*to get your html content*/
<cfscript>
    paths = expandPath("/lib/jsoup.jar"); //or wherever you decide to place the file
    loaderObj =createObject("component","javaloader.JavaLoader").init([expandPath('/lib/jsoup.jar')]);
    jsoup = loaderObj.create("org.jsoup.Jsoup");
    doc = jsoup.parse(oghtml);
    tags = doc.select("meta[property*=og:]"); 
</cfscript>
<cfloop index="e" array="#tags#">
    <cfoutput>
        #e.attr("property")# | #e.attr("content")#<br />
    </cfoutput>
</cfloop>

就是这样。 og标签的完整列表在[tags]数组中。

当然不是最初要求的正则表达式解决方案，但是嘿，它有效！

【讨论】：

“你不需要任何臭名昭著的正则表达式”！ ;-) 说真的，他们没有错，但正如@abbottmw 所说，JSoup 是解析 html 的更好工具。