javascript - 如何使用正则表达式匹配 document.doctype.internalSubset 中的所有元素

Question

通过使用 document.doctype.internalSubset，我有以下字符串，例如 str:

<!ENTITY owl "http://www.w3.org/2002/07/owl#" >
<!ENTITY xsd "http://www.w3.org/2001/XMLSchema#" >
<!ENTITY rdfs "http://www.w3.org/2000/01/rdf-schema#" >
<!ENTITY rdf "http://www.w3.org/1999/02/22-rdf-syntax-ns#" >

然后，我使用正则表达式提取结果:

result = regex.exec(str);

我的预期输出是一个数组，其中:

result[0] = owl "http://www.w3.org/2002/07/owl#"
result[1] = xsd "http://www.w3.org/2001/XMLSchema#"
...
result[3] = rdf "http://www.w3.org/1999/02/22-rdf-syntax-ns#"

所以，我创建了这个正则表达式:

var regex = /(?:<!ENTITY(.*?)>)*/g;

这是结果，当然，这不是我想要的:

owl "http://www.w3.org/2002/07/owl#" 

谁能帮我找出这些错误，以及如何修复所有这些错误？

请注意，我可以使用 s.indexOf() 来获取 <!ENTITY 的位置 和 >，然后使用 s.subString() 得到相同的结果，但我现在正在学习正则表达式，所以我想使用正则表达式.

--------------更新----------------

感谢Supr，我终于可以找出错误，在我看来，在这种情况下，“*”并不意味着“匹配一次或多次”，所以不要使用/(?:<!ENTITY(.*?)>)*/g ，我们将使用这个:/(?:<!ENTITY(.*?)>)/g (抑制 *)，然后循环字符串，直到得到所有结果。来源如下:

var str = '<!ENTITY owl "http://www.w3.org/2002/07/owl#" >' 
    + '<!ENTITY xsd "http://www.w3.org/2001/XMLSchema#" >' 
    + '<!ENTITY rdfs "http://www.w3.org/2000/01/rdf-schema#" >'
    + '<!ENTITY rdf "http://www.w3.org/1999/02/22-rdf-syntax-ns#" >'

var regex = /(?:<!ENTITY(.*?)>)/g;
var results = []; 

while ((result = regex.exec(str)) != null) {
    results.push(result[1]);
}
console.log(str);
console.log("-------------------------------");
for (var i = 0; i < results.length; i++) {
    document.write(results[i] + "<br>");
}

用于测试:http://jsfiddle.net/nxhoaf/jZpHv/

顺便说一下，这是我使用 s.indexOf() 和递归的解决方案:

var str = '<!ENTITY owl "http://www.w3.org/2002/07/owl#" >' 
    + '<!ENTITY xsd "http://www.w3.org/2001/XMLSchema#" >' 
    + '<!ENTITY rdfs "http://www.w3.org/2000/01/rdf-schema#" >'
    + '<!ENTITY rdf "http://www.w3.org/1999/02/22-rdf-syntax-ns#" >'

var getNamespace = function(input) {
    var result = []; // Store the final result
    var temp = []; // Store the temporary result

    // Non trivial case
    if ((input != null) && (input.length != 0)) {

        // Get the begin and and index to extract the entity's content
        var begin = input.indexOf("<!ENTITY");
        var end = input.indexOf(">");

        if ((begin == -1) || (end == -1) || (begin >= end)) { // not found
            return null;
        }

        // Fix the begin index
        begin = begin + "<!ENTITY".length;

        // Get the content and save it to result variable
        var item = input.substring(begin, end); // ok, get one item
        // As end > begin, item is always != null
        item = item.trim(); // Normalize
        result.push(item);

        // Continue searching with the rest using
        // recursive searching
        temp = getNamespace(input.substring(end + 1)); 

        // Ok, collect all of data and then return
        if (temp != null) {
            for (var i = 0; i < temp.length; i++) {
                result.push(temp[i]);
            }
        }
        return result;
    } else { // Trivial case
        return null;
    }
}

// Parse it to get the result
result = getNamespace(str);
console.log("*************");
for (var i = 0; i < result.length; i++) {
    document.write(result[i] + "<br>");
}

您可以在这里测试:http://jsfiddle.net/nxhoaf/FNFuG/

Answer 1

新解决方案

好像是最后一个*使表达式消耗整个字符串，即使返回值仅包含第一个匹配项。如果将表达式更改为 /(?:<!ENTITY(.*?)>)/g; ，然后您可以多次应用它。正则表达式对象将跟踪最后一个匹配的结束位置并从那里继续。所以:

var regex = /(?:<!ENTITY(.*?)>)/g;
var results = [];
while (result = regex.exec(str)) {
  results.push(result[1]);
}

<小时/>

旧的和失败的解决方案

尝试使用result = str.match(regex);反而。来自 MDN docs :

If the regular expression includes the g flag, the method returns an Array containing all matches. If there were no matches, the method returns null.

来自同一文档的示例

var str = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz";
var regexp = /[A-E]/gi;
var matches_array = str.match(regexp);

// matches_array now equals ['A', 'B', 'C', 'D', 'E', 'a', 'b', 'c', 'd', 'e']