html - 正则表达式根据 src 值有条件地选择所有图像 html 标签

Question

我需要一个正则表达式来执行以下操作(不幸的是它必须是一个正则表达式，我无法对此进行编码，因为它在购买的产品中工作):

我想选择一段 html 中的所有图像标签，其中图像标签不包含类属性，或者如果它确实包含类属性，则该属性在开头不包含特定字符串.基本上，我想从一大块 html 中剥离(通过匹配)所有图像标签，除了应用了特定类的图像。

这可能是两个独立的正则表达式 - 我只想匹配它们 - 而不是提取任何数据。

因此，例如，假设我要保留的类(class)名为 Pretty。

我希望正则表达式匹配:

<img src="xx"/>
<img border="x" src="xx"/>
<img whatever other attributes src="xx"/>
<img class="ugly" src="xx"/>
<img whatever other attributes class="fugly" src="xx"/>

但不匹配

<img class="Pretty" src="xx"/>
<img whatever other attributes class="Pretty" src="xx"/>
<img class="Pretty subpretty" src="xx"/>

如果在一个正则表达式中更容易做到(一个匹配所有没有类属性的图像标签，一个匹配具有非“漂亮”类属性的图像标签)，那也完全没问题。

Answer 1

使用XPath相反，这就是它的用途:

//img[not(contains(@class,'Pretty'))]

此 XPath 表达式查找其 class 属性不包含字符串 'Pretty' 的每个 img 元素。我认为它适用于缺少 class 属性的元素。

用正则表达式解析 XML 和 HTML 通常是一个非常糟糕的主意。当然，XPath 只有在所讨论的 HTML 是严格的情况下才有效。如果它不是有效的 XML 文档，那么您可能希望默认返回其他内容，但即便如此，正则表达式也不是完成这项工作的正确工具。

附录:我在 30 分钟内回到这里是错误的。出了点事，我没时间解决。如果它对缺少 class 属性的元素不起作用，请使用以下表达式:

//img[(not(@class)) or (not(contains(@class,'Pretty')))]