html - Regex Match 内部匹配

Question

我在使用正则表达式时遇到了一些问题。我需要在一个长的 HTML 页面中推断这部分文本:

<li class="menuItem">
    <a class="menuItem" href="/site/ContactUs.aspx?section=510">
        <span class="posNR">3.
        </span>Contact Us<span class="shortDesc"></span><span class="line"></span>
    </a>
</li>

另一个问题是我有一些格式如下的字符串:

<li class="menuItem"><a class="menuItem" href="/site/ContactUs.aspx?section=510"><span class="posNR">3.</span>Contact Us<span class="shortDesc"></span><span class="line"></span></a></li>

在其他一些地方我有这个:

<li class="menuItem">
              <a class="menuItem" href="/site/ContactUs.aspx?section=510">
                <span class="posNR">3.
                                </span>Contact Us<span class="shortDesc"></span><span class="line"></span></a>
            </li>

我想从这里提取这个特定部分，例如:

        <li class="menuItem">
          <a class="menuItem" href="/site/News.aspx?section=316&amp;ViewType=Actual&amp;IdType=316">
            <span class="posNR">2.
                            </span>News<span class="shortDesc"></span><span class="line"></span></a>
      asdsdasda  </li>


        <li class="menuItem">
          <a class="menuItem" href="/site/ContactUs.aspx?section=510">
            <span class="posNR">3.
                            </span>Contact Us<span class="shortDesc"></span><span class="line"></span></a>
        </li>


      </ul>

到目前为止，我已经尝试了一些正则表达式，比如

(<li*[\s\S]*?<\/li>)

我在记事本++ 和/或 Visual Studio Code 中使用这个正则表达式。

Answer 1

使用这个正则表达式:

(<li(?:(?!<li)[\s\S])*?ContactUs[\s\S]*?<\/li>)

此模式通过调整 [\s\S] 使用经过调整的贪婪 token 解决方案不允许 <li即(?:(?!<li)[\s\S])* .您可以阅读更多相关信息 here and when to use it.

• <li匹配起始文字 <li
• (?:(?!<li)[\s\S])*?具有负循环的惰性非捕获组 (?!这确保了另一个 <li不在比赛中。这已被添加，以便 <li... <li... </li>与整个事物不匹配，但仅与第二个 <li> 匹配
• ContactUs匹配文字，因为条件表明 ContactUs必须出现在匹配 li 中
• [\s\S]*?匹配任何字符(懒惰地)
• <\/li>匹配关闭</li>

Regex101 Demo

希望这对您有所帮助!