Regex 链接标记正则表达式分组解析

我希望解析一组链接标记并输出两个特定部分

<a href='/mysite/test/sample2/_layouts/ListEdit.aspx?List={2A1D7816-6AC1-4B3B-B9E9-9EEF1B31F812}' onclick='GoToLink(this);return false;'>Customize &quot;Sample List&quot;</a>

我需要捕获guid“2A1D7816-6AC1-4B3B-B9E9-9EEF1B31F812”和部分标记内容，在本例中为“示例列表”

我可以使用以下方法在单独的列表中对它们进行分类：

For guid: [a-fA-F0-9]{8}-([a-fA-F0-9]{4}-){3}[a-fA-F0-9]{12}
For tag content: (?<=Customize &quot;)((.*)(?=&quot;))

guid:[a-fA-F0-9]{8}-（[a-fA-F0-9]{4}-{3}[a-fA-F0-9]{12} 对于标签内容：（？说明

1:（2A1D7816-6AC1-4B3B-B9E9-9EEF1B31F812）
2：（定制“样品清单”）
3: (")
4：（样本清单）

免责声明

---

有些边缘情况不适用于此，但提供与此处示例类似的输入文本时，您应该可以找到。如果不适用，则您应该真正使用HTML解析。

我不懂Perl，因此我现在无法用Perl编写此脚本。这是用python编写的，应该非常简单。如果你知道Perl，我肯定你能把这个脚本翻译成Perl。我希望你能感谢我的努力

此脚本首先搜索所有链接，然后搜索每个链接的guid和部分标记内容

import re

sample_str = """
<a href='/mysite/test/sample2/_layouts/ListEdit.aspx?List={2A1D7816-6AC1-4B3B-B9E9-9EEF1B31F812}' onclick='GoToLink(this);return false;'>Customize &quot;Sample List&quot;</a>
bla bla
<a href='/mysite/test/sample2/_layouts/ListEdit.aspx?List={21M31F46-937B-88B3-U7Z1-99DFJZ9N249A}' onclick='GoToLink(this);return false;'>Another &quot;This is it&quot;</a>
"""

links = re.findall('<a .*?</a>', sample_str)

for link in links:
    print 'link:'
    print '    ' + link
    print 'list:'
    print '    ' + re.search('List={([^}]*)}', link).group(1)
    print 'quoted text:'
    print '    ' + re.search('>[^<]*&quot;([^<]+)&quot;[^<]*</a>', link).group(1)
    print ''

重新导入
样本_str=”“”
布拉布拉
"""
links=re.findall（'
名单：
2A1D7816-6AC1-4B3B-B9E9-9EEF1B31F812
引文：
样本清单
链接：
名单：
21M31F46-937B-88B3-U7Z1-99DFJZ9N249A
引文：
就是这个

如果您有python，则可以在命令行上使用

pythonscriptname.py

轻松运行脚本

import re

sample_str = """
<a href='/mysite/test/sample2/_layouts/ListEdit.aspx?List={2A1D7816-6AC1-4B3B-B9E9-9EEF1B31F812}' onclick='GoToLink(this);return false;'>Customize &quot;Sample List&quot;</a>
bla bla
<a href='/mysite/test/sample2/_layouts/ListEdit.aspx?List={21M31F46-937B-88B3-U7Z1-99DFJZ9N249A}' onclick='GoToLink(this);return false;'>Another &quot;This is it&quot;</a>
"""

links = re.findall('<a .*?</a>', sample_str)

for link in links:
    print 'link:'
    print '    ' + link
    print 'list:'
    print '    ' + re.search('List={([^}]*)}', link).group(1)
    print 'quoted text:'
    print '    ' + re.search('>[^<]*&quot;([^<]+)&quot;[^<]*</a>', link).group(1)
    print ''

link:
    <a href='/mysite/test/sample2/_layouts/ListEdit.aspx?List={2A1D7816-6AC1-4B3B-B9E9-9EEF1B31F812}' onclick='GoToLink(this);return false;'>Customize &quot;Sample List&quot;</a>
list:
    2A1D7816-6AC1-4B3B-B9E9-9EEF1B31F812
quoted text:
    Sample List

link:
    <a href='/mysite/test/sample2/_layouts/ListEdit.aspx?List={21M31F46-937B-88B3-U7Z1-99DFJZ9N249A}' onclick='GoToLink(this);return false;'>Another &quot;This is it&quot;</a>
list:
    21M31F46-937B-88B3-U7Z1-99DFJZ9N249A
quoted text:
    This is it