Apa cara terbaik untuk memilih semua teks antara 2 tag - mis: teks antara semua tag 'pra' pada halaman.

Anda dapat menggunakan "<pre>(.*?)</pre>", (mengganti pra dengan teks apa pun yang Anda inginkan) dan mengekstrak grup pertama (untuk instruksi yang lebih spesifik menentukan bahasa) tetapi ini mengasumsikan gagasan sederhana bahwa Anda memiliki HTML yang sangat sederhana dan valid.

Seperti yang disarankan komentator lain, jika Anda melakukan sesuatu yang kompleks, gunakan parser HTML.

Tag dapat diselesaikan di baris lain. Inilah sebabnya mengapa \nperlu ditambahkan.

<PRE>(.|\n)*?<\/PRE>

Inilah yang akan saya gunakan.

(?<=(<pre>))(\w|\d|\n|[().,\-:;@#$%^&*\[\]"'+–/\/®°⁰!?{}|`~]| )+?(?=(</pre>))

Pada dasarnya yang dilakukannya adalah:

(?<=(<pre>))Pilihan harus diawali dengan <pre>tag

(\w|\d|\n|[().,\-:;@#$%^&*\[\]"'+–/\/®°⁰!?{}|~]| )Ini hanya ungkapan reguler yang ingin saya terapkan. Dalam hal ini, ia memilih huruf atau digit atau karakter baris baru atau beberapa karakter khusus yang tercantum dalam contoh dalam tanda kurung. Karakter pipa |hanya berarti " ATAU ".

+?Status karakter Plus untuk memilih satu atau lebih di atas - urutan tidak masalah. Tanda tanya mengubah perilaku default dari 'serakah' menjadi 'ungreedy'.

(?=(</pre>))Seleksi harus ditambahkan oleh </pre>tag

Tergantung pada kasus penggunaan Anda, Anda mungkin perlu menambahkan beberapa pengubah seperti ( i atau m )

• i - case-insensitive
• m - pencarian multi-line

Di sini saya melakukan pencarian ini di Sublime Text jadi saya tidak perlu menggunakan pengubah di regex saya.

Javascript tidak mendukung tampilan di belakang

Contoh di atas seharusnya bekerja dengan baik dengan bahasa seperti PHP, Perl, Java ... Javascript, bagaimanapun, tidak mendukung tampilan di belakang sehingga kita harus melupakan tentang menggunakan (?<=(<pre>))dan mencari beberapa jenis solusi. Mungkin lepaskan empat karakter pertama dari hasil kami untuk setiap pilihan seperti di sini Regex mencocokkan teks di antara tag

Lihat juga JAVASCRIPT REGEX DOCUMENTATION untuk tanda kurung yang tidak diambil

gunakan pola di bawah ini untuk mendapatkan konten di antara elemen. Ganti [tag]dengan elemen aktual yang ingin Anda ekstrak kontennya.

<[tag]>(.+?)</[tag]>

Kadang tag akan memiliki atribut, seperti anchortag yang dimiliki href, lalu gunakan pola di bawah ini.

 <[tag][^>]*>(.+?)</[tag]>

Untuk mengecualikan tag pembatas:

(?<=<pre>)(.*?)(?=</pre>)

(?<=<pre>) mencari teks setelahnya <pre>

(?=</pre>) mencari teks sebelumnya </pre>

Hasil akan teks di dalam pretag

Anda seharusnya tidak mencoba menguraikan html dengan regex melihat pertanyaan ini dan bagaimana hasilnya.

Dalam istilah yang paling sederhana, html bukan bahasa biasa sehingga Anda tidak dapat sepenuhnya menguraikannya dengan ekspresi reguler.

Setelah mengatakan bahwa Anda dapat mengurai himpunan bagian html ketika tidak ada tag yang sama bersarang. Jadi, selama ada apa pun di antara dan bukan tag itu sendiri, ini akan berfungsi:

preg_match("/<([\w]+)[^>]*>(.*?)<\/\1>/", $subject, $matches);
$matches = array ( [0] => full matched string [1] => tag name [2] => tag content )

Ide yang lebih baik adalah menggunakan parser, seperti DOMDocument asli, untuk memuat html Anda, lalu pilih tag Anda dan dapatkan html dalam yang mungkin terlihat seperti ini:

$obj = new DOMDocument();
$obj -> load($html);
$obj -> getElementByTagName('el');
$value = $obj -> nodeValue();

Dan karena ini adalah parser yang tepat, ia akan dapat menangani tag bersarang dll.

Coba ini....

(?<=\<any_tag\>)(\s*.*\s*)(?=\<\/any_tag\>)

Ini sepertinya ungkapan reguler paling sederhana dari semua yang saya temukan

(?:<TAG>)([\s\S]*)(?:<\/TAG>)

1. Kecualikan tag pembuka (?:<TAG>)dari pertandingan
2. Sertakan karakter spasi putih atau non-spasi putih ([\s\S]*)dalam pertandingan
3. Kecualikan tag penutup (?:<\/TAG>)dari pertandingan

Jawaban ini mengandaikan dukungan untuk melihat-lihat! Ini memungkinkan saya untuk mengidentifikasi semua teks antara pasang tag pembuka dan penutup. Itu semua teks antara '>' dan '<'. Ini bekerja karena melihat-lihat tidak mengkonsumsi karakter yang cocok.

(? <=>) ([\ w \ s] +) (? = </)

Saya mengujinya di https://regex101.com/ menggunakan fragmen HTML ini.

<table>
<tr><td>Cell 1</td><td>Cell 2</td><td>Cell 3</td></tr>
<tr><td>Cell 4</td><td>Cell 5</td><td>Cell 6</td></tr>
</table>

Ini adalah permainan tiga bagian: tampilan belakang, konten, dan tampilan depan.

(?<=>)    # look behind (but don't consume/capture) for a '>'
([\w\s]+) # capture/consume any combination of alpha/numeric/whitespace
(?=<\/)   # look ahead  (but don't consume/capture) for a '</'

Saya berharap itu berfungsi sebagai awal untuk 10. Keberuntungan.

var str = "Lorem ipsum <pre>text 1</pre> Lorem ipsum <pre>text 2</pre>";
    str.replace(/<pre>(.*?)<\/pre>/g, function(match, g1) { console.log(g1); });

Karena jawaban yang diterima tanpa kode javascript, maka tambahkan bahwa:

preg_match_all(/<pre>([^>]*?)<\/pre>/,$content,$matches)regex ini akan memilih semua tag antara. tidak masalah apakah itu di baris baru (bekerja dengan multiline.

Dalam Python, pengaturan DOTALLbendera akan menangkap semuanya, termasuk baris baru.

Jika bendera DOTALL telah ditentukan, ini cocok dengan karakter apa pun termasuk baris baru. docs.python.org

#example.py using Python 3.7.4  
import re

str="""Everything is awesome! <pre>Hello,
World!
    </pre>
"""

# Normally (.*) will not capture newlines, but here re.DOTATLL is set 
pattern = re.compile(r"<pre>(.*)</pre>",re.DOTALL)
matches = pattern.search(str)

print(matches.group(1))

python example.py

Hello,
World!

Menangkap teks antara semua tag pembuka dan penutup dalam dokumen

Untuk menangkap teks antara semua tag pembuka dan penutup dalam dokumen, finditerberguna. Dalam contoh di bawah ini, tiga <pre>tag pembuka dan penutup hadir dalam string.

#example2.py using Python 3.7.4
import re

# str contains three <pre>...</pre> tags
str = """In two different ex-
periments, the authors had subjects chat and solve the <pre>Desert Survival Problem</pre> with a
humorous or non-humorous computer. In both experiments the computer made pre-
programmed comments, but in study 1 subjects were led to believe they were interact-
ing with another person. In the <pre>humor conditions</pre> subjects received a number of funny
comments, for instance: “The mirror is probably too small to be used as a signaling
device to alert rescue teams to your location. Rank it lower. (On the other hand, it
offers <pre>endless opportunity for self-reflection</pre>)”."""

# Normally (.*) will not capture newlines, but here re.DOTATLL is set
# The question mark in (.*?) indicates non greedy matching.
pattern = re.compile(r"<pre>(.*?)</pre>",re.DOTALL)

matches = pattern.finditer(str)


for i,match in enumerate(matches):
    print(f"tag {i}: ",match.group(1))

python example2.py

tag 0:  Desert Survival Problem
tag 1:  humor conditions
tag 2:  endless opportunity for self-reflection

Untuk beberapa baris:

<htmltag>(.+)((\s)+(.+))+</htmltag>

Kamu bisa memakai Pattern pattern = Pattern.compile( "[^<'tagname'/>]" );

Saya menggunakan solusi ini:

preg_match_all( '/<((?!<)(.|\n))*?\>/si',  $content, $new);
var_dump($new);

Dalam Javascript (antara lain), ini sederhana. Ini mencakup atribut dan beberapa baris:

/<pre[^>]*>([\s\S]*?)<\/pre>/

<pre>([\r\n\s]*(?!<\w+.*[\/]*>).*[\r\n\s]*|\s*[\r\n\s]*)<code\s+(?:class="(\w+|\w+\s*.+)")>(((?!<\/code>)[\s\S])*)<\/code>[\r\n\s]*((?!<\w+.*[\/]*>).*|\s*)[\r\n\s]*<\/pre>