使用正则表达式在html中查找重复的id键

给定一个html文件，如何使用正则表达式查找是否存在重复的id值？我需要它在SublimiteText上搜索它

例如：使用

id=（“[^”]*”.*id=\1

我可以在同一行中找到重复的id键

<img id="key"><img id="key">

注意：我使用img标记只是作为一个例子，html文件更复杂

---

无论出于何种原因，Sublime的

匹配器不包含换行符，因此您需要执行以下操作：

id=（“[^”]+”）（.|\n）*id=\1

老实说，我宁愿使用Unix实用程序：

grep -Eo 'id="[^"]+"' filename | sort | uniq -c

  3 id="key"
  2 id="key2"
  1 id="key3"

---

如果这些是完整的HTML文档，您可以使用来捕获DUP和其他错误。

如果您只想找到重复的ID，那么下面是我编写的一个小Perl程序：

use strict;
use warnings;

my %ids;
while ( <> ) {
    while ( /id="([^"]+)"/g ) {
        ++$ids{$1};
    }
}

while ( my ($id,$count) = each %ids ) {
    print "$id shows up $count times\n" if $count > 1;
}

如果我在你的样品上运行它，它会告诉我：

key shows up 3 times
key2 shows up 2 times

---

它有一些限制，比如它找不到

id=foo

或

id='foo'

，但可能会帮助您解决问题。

升华文本的正则表达式搜索默认为多行模式，这意味着

不会匹配换行符。您可以使用模式修改器使用单行模式使

匹配新行：

(?s)id=("[^"]+").*id=\1

（？s）

是单线模式修改器

但是，这个正则表达式在查找所有重复键方面做得很差，因为它只会在示例HTML中从

key

匹配到

key

。您可能需要一个多步骤的过程来查找所有可以编程的钥匙。如其他人所示，您需要（1）首先取出所有ID，然后（2）将它们分组并计数，以确定哪些是重复

或者，手动方法是更改正则表达式模式以查找重复ID，然后您可以在Sublime文本中找到下一个匹配项：

(?s)id=("[^"]+")(?=.*id=\1)

使用上述模式和示例HTML，您将看到以下突出显示的匹配项：

<img id="key">  <-- highlighted (dupe found on 3rd line)
<img id="key2"> <-- highlighted (dupe found on 5th line)
<img id="key">  <-- highlighted (next dupe found on last line)
<img id="key3">
<img id="key2">
<img id="key">

---

以下是用于查找重复img id值的AWK脚本：

awk < file.txt 
    '{ 
        $2 = tolower($2); 
        gsub(/(id|["=>])/, "", $2); 
        if (NF == 2) 
            imgs[$2]++; 
        } 

        END {

        for (img in imgs) 
                printf "Img ID: %s\t appears %d times\n", img, imgs[img] 
    }' 

awk]）/，”，$2）；
如果（NF==2）
imgs[$2]++；
} 
结束{
用于（img中的img）
printf“Img ID:%s\t出现了%d次\n”，Img，imgs[Img]
}' 
也许你可以将你的HTML发送到一个验证HTML并警告你重复id的工具中。你应该使用DOM解析器（不确定SublimitText是否有）。还要记住这些id:id=abc id='abc'id=“abc”在你的正则表达式中是可选的，在html5中，id也可以是id，id；所以while（/id=“（[^”]+）”/g）{应该是while（/\bid=\S+/ig）{然后从id中删除（双引号/单引号，如果有的话）。
<img id="key">  <-- highlighted (dupe found on 3rd line)
<img id="key2"> <-- highlighted (dupe found on 5th line)
<img id="key">  <-- highlighted (next dupe found on last line)
<img id="key3">
<img id="key2">
<img id="key">

awk < file.txt 
    '{ 
        $2 = tolower($2); 
        gsub(/(id|["=>])/, "", $2); 
        if (NF == 2) 
            imgs[$2]++; 
        } 

        END {

        for (img in imgs) 
                printf "Img ID: %s\t appears %d times\n", img, imgs[img] 
    }'