Regex 解析html标题标记的正则表达式

我需要解析很多html文件，以便知道哪些文件包含标题标记中的特定文本

让我们假设标题是

file1.htm
<title>100 text other text</title>
file2.htm
<title>text 100 text other text</title>
file3.htm
<title>text 1000 text other text</title>
file4.htm
<title>text one hundred text other text</title>

file1.htm
100文本其他文本
file2.htm
文本100文本其他文本
file3.htm
文本1000文本其他文本
file4.htm
文本100文本其他文本

按照我的示例，我需要找到包含100或100个文件的文件名，即文件1、2和4

我的问题是我不知道如何编写正则表达式

gci "c:\my_folder" | ? {$_.extension -eq ".htm"} | 
select-string -pattern '<title>*100*</title>' |
Select-Object -Unique Path

gci“c:\my_文件夹”|？{$\.extension-eq.htm}
选择字符串-模式“*100*”|
选择对象-唯一路径

请注意，如果这对于ReGEXP可能很重要，那么标题标签不是在行的开始，而是在中间。 提前谢谢。

这样就可以了

^.*<title>(.*(100|one\shundred)[^0].*)?</title>.*$

^.*（.*（100 |一\shundred）[^0].*）*$

这应该可以

^.*<title>(.*(100|one\shundred)[^0].*)?</title>.*$

^.*（.*（100 |一\shundred）[^0].*）*$

试试看

（.[^[：alnum:]]）？（100 |一百）（[^[：alnum:].]）？

使模式匹配。模式语法是PCRE（与perl类似），必要时可以重新格式化

致以最良好的祝愿

卡斯滕

附言： 谨防陷阱——评论中的所有建议和警告都是正确的；不过，在您的情况下，regex方法似乎是可行的（主要是因为您正在调查“title”标记的内容，每个文件应该只有一个，并且将其分散到多行显然是愚蠢的）

（.[^[：alnum:]]）？（100 |一百）（[^[：alnum:].]）？

使模式匹配。模式语法是PCRE（与perl类似），必要时可以重新格式化

致以最良好的祝愿

卡斯滕

附言：

---

---

谨防陷阱——评论中的所有建议和警告都是正确的；不过，在您的情况下，regex方法似乎是可行的（主要是因为您正在调查“title”标记的内容，每个文件应该只有一个，并且将其分散到多行是非常愚蠢的）。

通常，使用regex解析HTML是不好的。仅供参考。关于使用正则表达式解析HTML的强制性警告：在这一点上稍微扩展一下：

title

元素的内容可能扩展到多行；它们可能包含其他HTML标记。HTML标记通常不适合正则表达式处理，因为它的嵌套结构。也许在本例中，您确切地知道输入文件是如何生成的，并且您知道标题总是在一行上，从不包含任何困难的内容。如果是这样，那么正则表达式可能不是一种疯狂的方法。否则，您真的应该使用合适的解析器。谢谢您的回复。我读过这个链接，但是如果它不好，我不能解析它们，我有别的选择吗？编辑现在我阅读了您的上一个回复。我对PowerShell一无所知，但您应该尝试在模式中用

*

替换

*

<代码>匹配任何字符

*

表示“与我刚才所说内容相匹配的任意数量的内容”。因此，

*

表示“任意数量的字符”。但是，我重复一下，请仔细考虑正则表达式是否真的是这个工作的合适工具。通常，使用正则表达式解析HTML是不好的。仅供参考。关于使用正则表达式解析HTML的强制性警告：在这一点上稍微扩展一下：

title

元素的内容可能扩展到多行；它们可能包含其他HTML标记。HTML标记通常不适合正则表达式处理，因为它的嵌套结构。也许在本例中，您确切地知道输入文件是如何生成的，并且您知道标题总是在一行上，从不包含任何困难的内容。如果是这样，那么正则表达式可能不是一种疯狂的方法。否则，您真的应该使用合适的解析器。谢谢您的回复。我读过这个链接，但是如果它不好，我不能解析它们，我有别的选择吗？编辑现在我阅读了您的上一个回复。我对PowerShell一无所知，但您应该尝试在模式中用

*

替换

*

<代码>匹配任何字符

*

表示“与我刚才所说内容相匹配的任意数量的内容”。因此，

*

表示“任意数量的字符”。但是，我再说一遍，请仔细考虑正则表达式是否真的是这个工作的合适工具。甚至你的解决方案看起来也很完美。我也投了你一票，但我接受了jimplode的回答，因为他先回答了。再次感谢。你很和蔼。恐怕我永远学不会这些正则表达式了（谢谢。不过请注意，您接受的解决方案也会与“百分之一”匹配，这可能不是您想要的。greetz，carstenThanks感谢您的警告。正如您所看到的，我对regexp完全是新手，所以我无法了解这些小细节。：）我不会有“百分之一”的问题，因为我的母语是意大利语。为了让每个人都能理解，我用英语表达了这个问题。我需要解析意大利语字符串；）再次感谢，谢谢你。甚至你的解决方案看起来也很完美。我也投了你一票，但我接受了jimplode的回答，因为他先回答了。再次感谢。你很和蔼。恐怕我永远学不会这些正则表达式了（谢谢。不过请注意，您接受的解决方案也会与“百分之一”匹配，这可能不是您想要的。greetz，carstenThanks感谢您的警告。正如您所看到的，我对regexp完全是新手，所以我无法了解这些小细节。：）我不会有“百分之一”的问题，因为我的母语是意大利语。为了让每个人都能理解，我用英语表达了这个问题。我需要解析意大利语字符串；）再次感谢。请问[^0]是什么意思？不允许1000，哪一个是100+0@nickrulez，就像上面的评论所说的，这将阻止它匹配1000表示不允许0作为t