用于提取标签属性的正则表达式

Question

我正在尝试提取锚标记（<a>）的属性。到目前为止，我有这个表达：(?<name>\b\w+\b)\s*=\s*("(?<value>[^"]*)"|'(?<value>[^']*)'|(?<value>[^"'<> \s]+)\s*)+适用于像<a href="test.html" class="xyz">和（单引号）<a href='test.html' class="xyz">但不适用于不带引号的字符串：<a href=test.html class=xyz>如何修改我的正则表达式，使其与不带引号的属性一起使用？还是有更好的方法来做到这一点？更新： 到目前为止，感谢您的所有宝贵意见和建议。我没有提到一件事：很遗憾，我必须修补/修改不是由我编写的代码。而且没有时间/金钱从头开始重写这些东西。

Answer 1

如果你有一个像

<name attribute=value attribute="value" attribute='value'>

此正则表达式可用于依次查找每个属性名称和值

(\S+)=["']?((?:.(?!["']?\s+(?:\S+)=|[>"']))+.)["']?

应用于：

<a href=test.html class=xyz>

<a href="test.html" class="xyz">

<a href='test.html' class="xyz">

它会产生：

'href' => 'test.html'

'class' => 'xyz'

注意：这不适用于数字属性值，例如<div id="1">将不起作用。

Answer 2

您不能对多个捕获使用相同的名称。因此，您不能对带有命名捕获的表达式使用量词。

因此，要么不要使用命名捕获：

(?:(\b\w+\b)\s*=\s*("[^"]*"|'[^']*'|[^"'<>\s]+)\s+)+

或不要在此表达式上使用量词：

(?<name>\b\w+\b)\s*=\s*(?<value>"[^"]*"|'[^']*'|[^"'<>\s]+)

这也允许属性值，例如bar=' baz='quux：

foo="bar=' baz='quux"

缺点是您必须在之后删除前导和尾随引号。