Qt Regex correspond à HTML Tag InnerText

Question

J'ai un fichier html avec un tag <pre>...</pre>. Quel regex est nécessaire pour correspondre à tout le contenu dans les pré?

QString pattern = "<pre>(.*)</pre>"; 
QRegExp rx(pattern); 
rx.setCaseSensitivity(cs); 

int pos = 0; 
QStringList list; 
while ((pos = rx.indexIn(clipBoardData, pos)) != -1) { 
    list << rx.cap(1); 
    pos += rx.matchedLength(); 
} 

list.count() est toujours 0

Answer 1

DO NOT PARSE HTML USING Regular Expressions!

Au lieu de cela, utilisez un véritable analyseur HTML, comme this one

Answer 2

HTML est pas un regular language, vous n'utilisez pas régulière expressions pour l'analyser.

A la place, utilisez QXmlSimpleReader pour charger le fichier XML, puis QXmlQuery pour rechercher le noeud PRE, puis extraire son contenu.

Answer 3

je l'ai fait en utilisant des sous-chaînes:

int begin = clipBoardData.indexOf("<pre"); 
int end = clipBoardData.indexOf("</body>"); 

QString result = data.mid(begin, end-begin); 

Le résultat comprend le <pre's> mais j'ai découvert des thats encore mieux;)

Answer 4

Je suis d'accord avec les autres. Drupal 6.x et plus utilisent regex pour faire beaucoup de travail sur les données HTML. Il casse rapidement si vous créez des pages de 64 Ko ou plus. Donc, en utilisant un DOM ou juste indexOf() comme vous l'avez fait est une meilleure solution beaucoup plus rapide. Maintenant, pour ceux qui sont intéressés à en savoir plus sur regex, Qt utilise l'implémentation Perl. Cela signifie que vous pouvez utiliser l'opérateur paresseux. Votre regex deviendrait: (. Bien que si vous avez un seul, le point d'interrogation et le signe plus ne sont pas nécessaires)

(<pre>.*?</pre>)+ 

pour obtenir chacun des < bloc pré > dans votre code Notez qu'aucun délimiteurs à le début et la fin de l'expression régulière sont requis ici.

QRegExp re("(<pre>.*?</pre>)+", Qt::CaseInsensitive); 
re.indexIn(html_input); 
QStringList list = re.capturedTexts(); 

liste maintenant doit avoir une étiquette pré < > ou plus.