不要用正则表达式来解析 HTML

最新推荐文章于 2021-06-04 11:22:19 发布
原创 最新推荐文章于 2021-06-04 11:22:19 发布 · 1.1k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python

本文探讨了使用正则表达式解析HTML的局限性，强调其复杂性和潜在错误，推荐使用如BeautifulSoup等专业HTML解析模块，以提高代码的稳定性和效率。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

不要用正则表达式来解析 HTML

在一个字符串中定位特定的一段 HTML，这似乎很适合使用正则表达式。但
是，我建议你不要这么做。 HTML 的格式可以有许多不同的方式，并且仍然被认
为是有效的 HTML，但尝试用正则表达式来捕捉所有这些可能的变化，将非常繁
琐，并且容易出错。专门用于解析 HTML 的模块，诸如 Beautiful Soup， 将更不容
易导致缺陷。在 http://stackoverflow.com/a/1732454/1893164/，你会看到更充分的
讨论，了解为什么不应该用正则表达式来解析 HTML

正则表达式解析
初遇我ㄖ寸の热情呢？
06-21 1万+
正则表达式解析 bs4 xpath 三种解析方式 正则表达式解析 为什么引入正则表达式？ 用来匹配一类具有相同规则的字符串 规则： 单字符： . :除换行外的所有的字符 [] ：[aoe]表示：a，o，e，任意一个；[a-w]:表示a到w之间任意一个；匹配集合中任意一个字符 \d ：数字 [0-9]:表示0到9 \D: 非数字 \w ：数...
惯用HTML正则表达式
06-13
惯用HTML正则表达式
【JavaScript】不使用正则表达式和字符串的方式来解析浏览器的URl地址信息
weixin_30699465的博客
09-08 121
1.比如我们要获取的网站URl地址是：https://music.163.com/#/playlist?id=2384581760 一般我们能够想到的方式是直接使用正则表达式获取使用字符串直接解析的方式来一步步解析，但是如何有没有能够更高效率的方法呢？ 答案是有的。 第一步：创建一个a标签对象（动态创建） var a = document.createEl...
别在迷恋正则表达式解析html了，好吗？
weixin_34032792的博客
05-18 125
近段时间在论坛上面兴起了一股正则之风，不论做什么都喜欢用正则 你在后台解析json格式字符串，必须要用正则，好吧，你可能不知道用JavaScriptSerializer类， 你解析类似www.xxx.com?a=a1&b=b2&c=c3的querystring参数，必须用正则，好吧，你也可能不知道string.split方法 你解析html你还必须用正则，好吧...
解析HTML正则表达式
.NET博文收藏
04-04 1596
 //把所有HTML标签找出来哈哈，继 昨天的那个正则表达式 之后又写了一个更长的Regular Expression，全长527，是用于查找出所有的XHTML/HTML的标记外面的所有空格，并将之转换为 的。 希望这个能够解决dudu提的一个cnblogs的bug：）即使不能解决问题也算是对System.Text.RegularExpression.Regex的一个练笔了：） (?:(?:/
正则获取不了html链接,为何无法用正则表达式提取html?
weixin_39859715的博客
06-03 144
show.html 包含下面的内容：div#html,div#css,div#js,div#run{border:1px solid red;height:80px;width:80px;float:left;}div#content{clear:both;width:400px;height:400px;border:1px solid black;}htmlcssjsrunvar html_...
正则表达式解析html
pizekerwen的专栏
09-30 583
来源于网络，java正则表达式过滤html文档，仅作参考： public String HtmlToTextGb2312(String inputString ) { String htmlStr = inputString; //含html标签的字符串 String textStr =""; Pattern p_script; Matcher m_script; P...
html不识别正则表达式,关于jquery：与javascript中的html标记不匹配的正则表达式
weixin_30043179的博客
06-04 253
本问题已经有最佳答案，请猛点这里访问。Possible Duplicate:highlight words in html using regex & javascript - almost there更新->最终的脚本一经解析，即为：var regex;var filterSize;function normalizar(str) {var fin=str.toLowerCase(...
HTML解析之一：正则表达式
zhang__init__的博客
10-21 1631
一：入门小例子 \bwe\b匹配we \b 是元字符，不代表空格，标点符号，换行，只是用来匹配位置 . 元字符，匹配除换行符的任意字符 * 元字符，匹配数量 .* 匹配任意数量的不换行字符 二：常用元字符 四种作用：匹配字符，匹配位置，匹配数量，匹配模式 . 匹配除换行符的任意字符 \b 匹配单词的开始或结束 \d 匹配数字 \w 匹配字母，数字，下划线或汉字 \s 匹配任意空白符，包括空格
html5 正则表达式 斜线,正则表达式不适用于HTML5模式(Regex not working in HTML5 pattern)...
weixin_39664774的博客
05-31 102
正则表达式不适用于HTML5模式(Regex not working in HTML5 pattern)所以我有这个正则表达式旨在让所有文本传递，但包含初始字符的那些“34”序列：^(？34)(？=(\ W] +))任何想法为什么它不以我的形式工作？Submit!So I have this regex intended to let pass all text but those that co...
非必须不要乱使用正则
浪缘的专栏
11-06 1233
今天针对手机号运营商归属进行一个统计，由于数据量较多（500万），用正则进行手机运营商的判断发现速度很慢，就做了一番分析比较，记录如下：               场景： t_mobile 表有500多万条记录，手机号码上有索引，需要统计出三个运营商的数量；        方法：              1：select count(*)                  from
解析HTML正则
小影
07-17 3283
  如例： /<\s*(\S+)(\s[^>]*)?>[\s\S]*<\s*\/\1\s*>/ 想要看懂正则表达式，最好的办法是一步一步解析： 1）、先从'[\s\S]*'为分界点，前面的内容可以划分为'<\s*(\S+)(\s[^>]*)?>'。     '\s'表示匹配任何空白字符，包括空格、制表符、换页符等等，等价于'[\f\n\r\...
正则表达式 解析
coolwzjcool的专栏
04-20 1800
正则表达式使用详解简介简单的说，正则表达式是一种可以用于模式匹配和替换的强有力的工具。其作用如下：测试字符串的某个模式。例如，可以对一个输入字符串进行测试，看在该字符串是否存在一个电话号码模式或一个信用卡号码模式。这称为数据有效性验证。替换文本。可以在文档中使用一个正则表达式来标识特定文字，然后可以全部将其删除，或者替换为别的文字。根据模式匹配从字符串中提取一个子字符串。可以用来在文本或输入字
解析正则表达式
我的转载
03-07 1084
最近很多帖子问如何将内容从数据库取出后换行，这就要用到正则表达式。简单的说，正则表达式是一种可以用于模式匹配和替换的强有力的工具。我们可以在许多编程语言中找到正则表达式的身影，例如，vi编辑器，Perl或PHP脚本语言，以及awk或sed shell程序等。此外，象JavaScript这种客户端的脚本语言也提供了对正则表达式的支持。由此可见，正则表达式已经超出了某种语言或某个系统的局限，成为人们广
正则表达式全解析
风尘博客
06-23 6042
正则表达式定义了字符串的模式，可以用来搜索、编辑或处理文本。 一、正则基础知识点 1.1 元字符 元字符是构造正则表达式的一种基本元素。 几个常用的元字符： 元字符 说明 . 匹配除换行符以外的任意字符 \w 匹配字母或数字或下划线或汉字 \s 匹配任意的空白符 \d 匹配数字 \b 匹配单词的开始或结束 ^ 匹配字符串的开始 $ 匹配字符串的结束 1.2 重复限定符 正则表达式中一些重复限定符，把重复部分用合适的限定符替代。 语法 说明 .
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值