23、正则表达式的高级应用

正则表达式的高级应用

1. 非贪婪匹配

在正则表达式中，处理匹配的贪婪性是一个常见问题。例如，有这样一个模式，虽然多了几个字符且更难梳理，但它能保证返回引号之间的字符，不会贪婪地吃掉引号后面的所有字符，也无需回溯。

为了使量词变为非贪婪模式，可以在其后加上问号。例如表达式 /”(.*?)”/ ，问号表示应进行最小可能的匹配，而非最贪婪的匹配，这比之前使用的字符否定示例更具可读性。需要注意的是，问号在正则表达式中有多种用途，使用时要根据上下文理解其具体用法。

2. 从 HTML 标签中提取属性

以下是一个简单的示例，展示了如何使用正则表达式从文档中提取数据以及贪婪性的工作原理。该程序会从文档中提取所有 HTML 标签，打印出标签名，然后打印出所有属性及其对应的值。

2.1 示例代码

#!/usr/bin/perl
while (<>) 
{
    while (/<(\w+)(.*?)>/g)
    {
        print "Tag: $1\n";
        my $attrs = $2;
        while ($attrs =~ /(\w+)=(‘|”)(.+?)\2/g)
        {
            print "Attribute: $1\n";
            print "Value: $3\n";
        }
    }
}

2.2 代码分析