Comment modifier cette expression régulière pour extraire correctement les attributs de balise - devrait être simple

Question

J'ai besoin de "saisir" un attribut d'une balise HTML personnalisée. Je sais que ce genre de question a déjà été posée à plusieurs reprises, mais regex me dérange vraiment et je n'arrive pas à le faire fonctionner.

Un échantillon de XML que je dois travailler avec est

<!-- <editable name="nameValue"> --> - content goes here - <!-- </editable> -->

Je veux être en mesure de saisir la valeur de l'attribut name, qui dans ce cas est nameValue. Ce que j'ai est montré ci-dessous mais cela renvoie une valeur nulle.

Ma chaîne regex (pour une application Java, d'où le \ pour échapper à la «) est:
"(.)?<!-- <editable name=(\".*\")?> -->.*<!-- </editable> -->(.)?"

Je suis en train de saisir l'attribut avec guillemets je figure c'est le modèle le plus simple et le plus général à égaler. Eh bien, il ne fonctionne pas seulement, toute aide sera me aider à garder mes cheveux.

Answer 1

Je ne pense pas que vous avez besoin des (.)? s au début et à la fin de votre regex. Et vous devez mettre dans un groupe de capture pour obtenir seulement le contenu GOES-ici peu:

Cela a fonctionné pour moi:

String xml = "RANDOM STUFF<!-- <editable name=\"nameValue\"> --> - content goes here - <!-- </editable> -->RANDOM STUFF"; 
Pattern p = Pattern.compile("<!-- <editable name=(\".*\")?> -->(.*)<!-- </editable> -->"); 
Matcher m = p.matcher(xml); 
if (m.find()) { 
    System.out.println(m.group(2)); 
} else { 
    System.out.println("no match found"); 
} 

Cette impression:

- content goes here - 

Answer 2

Votre recherche est greedy. Utilisez "\<\!-- \<editable name=\"(.*?)\"\> --\>.*?\<\!-- \<\/editable\> --\>" (ajouté ?). S'il vous plaît noter que celui-ci ne fonctionnera pas correctement avec <editable> imbriqués des éléments.

Si vous ne voulez pas effectuer de vérification de la syntaxe, vous pouvez simplement utiliser: "\<\!-- \<editable name=\"(.*?)\"\> --\>" ou même "\<editable name=\"(.*?)\"\>" pour une meilleure simplicité et performance.

Edit: devrait être

Pattern re = Pattern.compile("\\<editable name=\"(.*?)\"\\>"); 

Answer 3

J'utilise JavaScript, mais il devrait aider à rendre l'expression non avide lorsque cela est possible et utiliser des allumettes et non au lieu de tout caractère correspond. Vous ne savez pas à quel point les expressions rationnelles sont similaires avec Java, mais au lieu d'utiliser l'expression \".*\", essayez d'utiliser \"[^\"]*\". Cela recherchera n'importe quel caractère dans la valeur d'attribut qui n'est pas une citation, ce qui signifie que l'expression ne peut pas correspondre au-delà de la valeur de l'attribut.

espoir qui aide

Answer 4

Regexes sont fondamentalement mauvais à l'analyse HTML (voir Can you provide some examples of why it is hard to parse XML and HTML with a regex? pour la raison). Ce dont vous avez besoin est un analyseur HTML. Voir Can you provide an example of parsing HTML with your favorite parser? pour des exemples en utilisant une variété de parseurs. Vous pouvez trouver le answer en utilisant TagSoup utile.