Regex perl非贪婪正则表达式大小写匹配过多

我有一个

文件

，里面有

<post href="http://example.com/" description="Example website" tag="more text"/>

工作正常，我得到

tag=“更多文本”/>

，但尝试时：

cat file | perl -pe 's/.*description="(.*)?"/\1/'

我得到了

示例网站“tag=”more text/>

，而我本来希望得到

示例网站

。所以，似乎在捕获和反向引用方面存在一些不符合预期的情况，尽管我认为我可能理解为什么，但我不确定如何解决它

我总是可以做到：

cat file | perl -pe 's/.*description="//;s/".*//'

---

但是我真的想了解如何用正则表达式来解决它，而不是做两次替换。

您没有使用非贪婪，您在可选的捕获组中有贪婪，因为问号就在组的结束括号后面：

更改：

description="(.*)?"

致：

---

您应该会得到预期的结果。

元字符在正则表达式中有两种含义

当它跟在像

*

或

+

这样的字符后面，允许表达式进行可变次数的匹配时，它是“非贪婪”修饰符

.*?
a+?
(foo){3,}?               # actually, I'm not sure about this one

它 在其他上下文中，它表示“匹配0或1次”

通过将

？

置于捕获组之外，您已将其更改为第二种含义。就像@smerny说的，把它放在捕获组里

(.*?)

---

我考虑过（并尝试过）这一点，但它不起作用，我现在意识到了为什么，我忘了放尾部的

*

，所以它应该是

cat file | perl-pe的/*description=“（.*？）”*/\1/'

。我仍然会接受答案，谢谢。如果您希望捕获组只包含描述值，那么我的答案中的更改仍然是必要的。不要使用正则表达式解析HTML。使用适当的HTML解析模块。您无法用正则表达式可靠地解析HTML，在这条路上您将面临悲伤和挫折。一旦HTML改变了您的预期，您的代码就会被破坏。有关如何使用已经编写、测试和调试过的Perl模块正确解析HTML的示例，请参阅。我知道我不应该尝试使用正则表达式解析HTML，但这是响应API调用得到的XML代码，因此它不会偏离，因为它已经只包含我感兴趣的内容。如果API响应发生变化，我的代码也必须进行调整，但在这种情况下，不会有任何不可预见的情况使正则表达式变得“危险”。

.*?
a+?
(foo){3,}?               # actually, I'm not sure about this one

abc?d                    # matches "abcd" or "abd"

(.*?)