Regex 正则表达式匹配<；标题></标题>；包括新线在任何地方

我正试图编写一个正则表达式来从URL中提取，但问题是“.”与我们已经知道的换行符不匹配。如何编写正则表达式来匹配和提取pageTitle（.*），但换行符可以位于这两者之间的任意位置

我正在使用grails。

假设它是用于PHP的：

preg_match( "#<title>(.*?)</title>#s", $source, $match );
$title = $match[1];

preg#u match（#（.*）#s“，$source，$match）；
$title=$match[1]；

无论您使用的是什么软件，添加

s

扩展将修改

（任何字符），使其包含换行符。

假设它是用于PHP的：

preg_match( "#<title>(.*?)</title>#s", $source, $match );
$title = $match[1];

preg#u match（#（.*）#s“，$source，$match）；
$title=$match[1]；

---

无论您使用的是什么软件，添加

s

扩展都会修改

（任何字符），使其包含换行符。

虽然您不能使用正则表达式解析通用HTML，但在这种情况下，您可能可以不使用它。在Groovy中，可以使用

（？s）

操作符使点匹配换行符。您可能还应该使用

（？i）

操作符使正则表达式不区分大小写。您可以将它们组合为

（？is）

比如说

def titleTagWithNoLineBreaks = "<title>This is a title</title>"
def titleTagWithLineBreaks = """<title>This is
a title</title>"""

// Note the (?is) at the beginning of the regex
// The 'i' makes the regex case-insensitive
// The 's' make the dot match newline characters
def pattern = ~/(?is)<title>(.*?)<\/title>/

def matcherWithNoLineBreaks = titleTagWithNoLineBreaks =~ pattern
def matcherWithLineBreaks = titleTagWithLineBreaks =~ pattern

assert matcherWithNoLineBreaks.size() == 1
assert matcherWithLineBreaks.size() == 1

assert matcherWithLineBreaks[0][1].replaceAll(/\n/,' ') == "This is a title"

def titleTagWithNoLineBreaks=“这是一个标题”
def titleTagWithLineBreaks=“”这是
头衔
//注意（？is）在正则表达式的开头
//“i”使正则表达式不区分大小写
//“s”使点与换行符匹配
def模式=~/（？is）（*）/
def matcherWithNoLineBreaks=标题标签WithNolineBreaks=~pattern
def matcherWithLineBreaks=标题标签WithLineBreaks=~pattern
断言matcherWithNoLineBreaks.size（）==1
断言matcherWithLineBreaks.size（）==1
断言matcherWithLineBreaks[0][1]。replaceAll（/\n/，“”）==“这是一个标题”

---

希望这能有所帮助。

虽然您不能使用正则表达式来解析一般的HTML，但在这种情况下，您可能不需要使用正则表达式。在Groovy中，可以使用

（？s）

操作符使点匹配换行符。您可能还应该使用

（？i）

操作符使正则表达式不区分大小写。您可以将它们组合为

（？is）

比如说

def titleTagWithNoLineBreaks = "<title>This is a title</title>"
def titleTagWithLineBreaks = """<title>This is
a title</title>"""

// Note the (?is) at the beginning of the regex
// The 'i' makes the regex case-insensitive
// The 's' make the dot match newline characters
def pattern = ~/(?is)<title>(.*?)<\/title>/

def matcherWithNoLineBreaks = titleTagWithNoLineBreaks =~ pattern
def matcherWithLineBreaks = titleTagWithLineBreaks =~ pattern

assert matcherWithNoLineBreaks.size() == 1
assert matcherWithLineBreaks.size() == 1

assert matcherWithLineBreaks[0][1].replaceAll(/\n/,' ') == "This is a title"

def titleTagWithNoLineBreaks=“这是一个标题”
def titleTagWithLineBreaks=“”这是
头衔
//注意（？is）在正则表达式的开头
//“i”使正则表达式不区分大小写
//“s”使点与换行符匹配
def模式=~/（？is）（*）/
def matcherWithNoLineBreaks=标题标签WithNolineBreaks=~pattern
def matcherWithLineBreaks=标题标签WithLineBreaks=~pattern
断言matcherWithNoLineBreaks.size（）==1
断言matcherWithLineBreaks.size（）==1
断言matcherWithLineBreaks[0][1]。replaceAll（/\n/，“”）==“这是一个标题”

---

希望能有所帮助。

如果您只需要解析可能格式错误的HTML文档，可以尝试使用解析器。然后，您可以只使用GPath表达式，而不必担心标题中的注释中出现诸如“”之类的奇怪情况

import org.ccil.cowan.tagsoup.Parser

final parser  = new Parser()
final slurper = new XmlSlurper(parser)
final html    = slurper.parse('http://www.example.com/')

println html.depthFirst().find { it.name() == 'title' }

---

如果您只需要解析可能格式错误的HTML文档，那么可以尝试使用解析器。然后，您可以只使用GPath表达式，而不必担心标题中的注释中出现诸如“”之类的奇怪情况

import org.ccil.cowan.tagsoup.Parser

final parser  = new Parser()
final slurper = new XmlSlurper(parser)
final html    = slurper.parse('http://www.example.com/')

println html.depthFirst().find { it.name() == 'title' }

---

嗯，你有没有可能尝试用正则表达式解析HTML？无论是希望还是失败，都为时已晚。圣杯与此有什么关系？也许你是指Groovy？嗯，你有没有可能尝试用正则表达式解析HTML？无论是希望还是失败，都为时已晚。圣杯与此有什么关系？也许你是说Groovy？我应该在我的模式末尾的哪里添加“s”？它在groovy中不起作用。使用分隔符将正则表达式放入，并将

s

放在正则表达式的末尾。@Dark Slipstream，你为什么要鼓励可怜的灵魂使用正则表达式解析HTML来将其遗忘？我已经尝试过使用XMLParser，但有些网站的格式不好。@toy，你为什么要使用一个格式不好的网站？找一个替代方案。就我个人而言，如果一个网站不遵守web标准，我就不会在它身上下赌注，更不用说基于它的任何开发了。我应该在我的模式末尾添加“s”吗？它在groovy中不起作用。使用分隔符将正则表达式放入，并将

s

放在正则表达式的末尾。@Dark Slipstream，你为什么要鼓励可怜的灵魂使用正则表达式解析HTML来将其遗忘？我已经尝试过使用XMLParser，但有些网站的格式不好。@toy，你为什么要使用一个格式不好的网站？找一个替代方案。就我个人而言，如果一个网站不遵守网络标准，我就不会把我的钱押在它身上，更不用说基于它的任何开发了。