正则表达式是否匹配HTML中的属性？

我有一个txt文件，它实际上是某个网页的html源代码。 在该txt文件中，有各种字符串，前面有一个“title=”标记。 e、 g

我感兴趣的是将文本连接框架提取并写入一个单独的文件

像这样，有许多这样的标签，每个标签的标题后面都有一个不同的文本=“这里有一些我需要提取的文本” 我想从html源/txt文件中提取所有这样的文本实例，并写入一个单独的txt文件。文本只能包含小写、大写字母和数字。每个文本字符串的长度（以字符为单位）将有所不同

我正在使用PowerGrep for windows。Powergrep允许我使用正则表达式inout搜索文本文件。 我试着使用搜索作为 标题='[a-zA-Z0-9]

它显示正确的匹配项，但只匹配字符串的第一个字符，只写入与第二个txt文件匹配的文本字符串的第一个字符，而不是所有字符串

我希望所有字符串都匹配并写入第二个文件

使用powergrep，正确的正则表达式或方法是什么

---

-广告。

这是您需要的正则表达式

title='([a-zA-Z0-9]+)'

---

但是，如果要做更多类似的事情，使用解析器可能会使它更加健壮和有用。

下面是您需要的正则表达式

title='([a-zA-Z0-9]+)'

但是，如果您要做更多类似的事情，使用解析器可能会使其更加健壮和有用。

试试以下方法：

title=\'[a-zA-Z0-9]*\'

请尝试以下方法：

title=\'[a-zA-Z0-9]*\'

---

我不熟悉PowerGrep，但是，您的正则表达式不完整。试试这个：

title='[a-zA-Z0-9 ]*'

或者更好：

title='([^']*)'

---

我不熟悉PowerGrep，但是，您的正则表达式不完整。试试这个：

title='[a-zA-Z0-9 ]*'

或者更好：

title='([^']*)'

---

其他答案都对正则表达式进行了正确的更改，因此我将解释您的原始版本的问题所在

方括号表示-表示正则表达式将匹配这些括号内的任何字符。但是，与其他所有内容一样，默认情况下它只匹配一次。正如正则表达式“

s

”将只匹配“

ssss

”中的第一个字符一样，正则表达式“

[a-zA-Z0-9]

”将只匹配“

连接框架

”中的第一个字符

通过添加，可以使角色类重复匹配。最简单的方法是在其后面添加一个星号（它将匹配0个或多个事件）。因此，正则表达式“

[a-zA-Z0-9]

*”将匹配一行中尽可能多的字符，直到它遇到不在该字符类中的字符（在本例中，是空格字符，因为括号中没有包含空格字符）

但是正则表达式要准确地描述语法可能非常复杂——如果有人在属性中放置了非字母数字字符，如符号AND，该怎么办？您可以尝试通过将字符集设置为“除引号字符以外的任何字符”来捕获引号之间的所有输入，因此“

”[^']*'

”通常会做正确的事情。通常你还需要记住（例如，用字符串<代码>‘玛莉的羔羊’< /代码>），实际上你想在中间捕获撇号，所以一个简单的“所有但撇号”字符集都不会切断它。不过谢天谢地，根据规范，这不是XML/HTML的问题。

---

尽管如此，如果有一个现有的库可以为您进行提取，这可能比您自己的库更快、更正确，因此如果可能的话，我会倾向于这样做。

其他答案都对正则表达式进行了正确的更改，因此我将解释您的原始库存在的问题

方括号表示-表示正则表达式将匹配这些括号内的任何字符。但是，与其他所有内容一样，默认情况下它只匹配一次。正如正则表达式“

s

”将只匹配“

ssss

”中的第一个字符一样，正则表达式“

[a-zA-Z0-9]

”将只匹配“

连接框架

”中的第一个字符

通过添加，可以使角色类重复匹配。最简单的方法是在其后面添加一个星号（它将匹配0个或多个事件）。因此，正则表达式“

[a-zA-Z0-9]

*”将匹配一行中尽可能多的字符，直到它遇到不在该字符类中的字符（在本例中，是空格字符，因为括号中没有包含空格字符）

但是正则表达式要准确地描述语法可能非常复杂——如果有人在属性中放置了非字母数字字符，如符号AND，该怎么办？您可以尝试通过将字符集设置为“除引号字符以外的任何字符”来捕获引号之间的所有输入，因此“

”[^']*'

”通常会做正确的事情。通常你还需要记住（例如，用字符串<代码>‘玛莉的羔羊’< /代码>），实际上你想在中间捕获撇号，所以一个简单的“所有但撇号”字符集都不会切断它。不过谢天谢地，根据规范，这不是XML/HTML的问题。

---

不过，如果有一个现有的库可以为您进行提取，那么这可能比您自己的库更快、更正确，所以如果可能的话，我会倾向于这样做。

我只是不确定需要问多少次HTML文件的正则表达式解析问题（并给出了“使用DOM解析器”的正确解决方案），它每天都会出现

困难在于：

• 在HTML中，属性可以有单引号、双引号甚至没有引号
• 类似的字符串可以出现在HTML文档本身中
• 您必须处理正确的转义；以及
• 格式错误的HTML（体面的解析器对常见错误非常健壮）

因此，如果你迎合了所有这些（这将是一个相当复杂但仍然不完善的正则表达式），