Regex Can'；不匹配正则表达式

我有一个文件，上面有很多重复的块，就像这样

<li>
<span>תמונה מאירוע</span>
<a href="images/gallerys/events/big/109.jpg"
title="תמונה מאירוע"><img
src="images/gallerys/events/thumbnails/109.jpg" alt="cars" />
</a>
</li>

---

问题返回给我，从第一个href到最后一个src的文本

在您的示例中没有

'

。在本例中，title属性位于新行中，因此您永远无法正确匹配它。这些只是几个例子，但还有很多要处理的问题，用纯regexp是不可能做到的

无论您使用哪种语言（可能除了bash/sed/awk…家族），它都将支持将HTML解析为DOM树，使用它您可以轻松找到所需的节点

---

注意：正如其他人指出的，问题之一是

*

是贪婪的，这意味着它将尽可能多地吃掉我们的字符。如果您真的很固执，可以使用非贪婪版本

*？

或类似

[^']*

Javascript实现的字符集匹配来解决这个问题

var m,
    pairs = [],
    rex = /<li>[\s\S]*?<a href="([^"]+)"[\s\S]+?<img\s+src="([^"]+)"/g,
    str = '<li>\n' +
          '<span>תמונה מאירוע</span>\n' +
          '<a href="images/gallerys/events/big/109.jpg"\n' +
          'title="תמונה מאירוע"><img\n' +
          'src="images/gallerys/events/thumbnails/109.jpg" alt="cars" />\n' +
          '</a>\n' +
          '</li>';

while ( m = rex.exec( str ) ) {
    pairs.push( [ m[1], m[2] ] );
}

console.log( pairs );

var m，
成对=[]，
rex=/
[\s\s]*？\n'+
“
”；
while（m=rex.exec（str））{
推送（[m[1]，m[2]]）；
}
控制台日志（对）；

假定URL中没有引号

---

使用合适的HTML解析器会更可靠。

您使用什么语言？使您的捕获组不贪婪：

（.*）

->

（.*）

。只需解析HTML即可。这会更简单。有可能如此包装字符串，但是，我认为大多数正则表达式引擎都有一个多行标志？/m？

var m,
    pairs = [],
    rex = /<li>[\s\S]*?<a href="([^"]+)"[\s\S]+?<img\s+src="([^"]+)"/g,
    str = '<li>\n' +
          '<span>תמונה מאירוע</span>\n' +
          '<a href="images/gallerys/events/big/109.jpg"\n' +
          'title="תמונה מאירוע"><img\n' +
          'src="images/gallerys/events/thumbnails/109.jpg" alt="cars" />\n' +
          '</a>\n' +
          '</li>';

while ( m = rex.exec( str ) ) {
    pairs.push( [ m[1], m[2] ] );
}

console.log( pairs );