该怎么做正则表达式模式在字符串的任何地方都不匹配？

Question

我正在尝试<input>使用以下模式来匹配类型“隐藏”的字段：

/<input type="hidden" name="([^"]*?)" value="([^"]*?)" />/

这是样本表单数据：

<input type="hidden" name="SaveRequired" value="False" /><input type="hidden" name="__VIEWSTATE1" value="1H4sIAAtzrkX7QfL5VEGj6nGi+nP" /><input type="hidden" name="__VIEWSTATE2" value="0351118MK" /><input type="hidden" name="__VIEWSTATE3" value="ZVVV91yjY" /><input type="hidden" name="__VIEWSTATE0" value="3" /><input type="hidden" name="__VIEWSTATE" value="" /><input type="hidden" name="__VIEWSTATE" value="" />

但我不知道的type，name和value属性将始终出现在相同的顺序。如果type属性排在最后，则匹配将失败，因为在我的模式中，匹配是从头开始的。

问题：
如何更改样式，使其与<input>标签中属性的位置无关，都可以匹配？

PS： 顺便说一句，我正在使用基于 Adobe Air 的RegEx桌面工具来测试正则表达式。

Answer 1

与这里的所有答案相反，您正在尝试做的正则表达式是一个非常有效的解决方案。这是因为您不是要匹配平衡的标签，而正则表达式是不可能的！但是，您只匹配一个标签中的内容，这是完全正常的。

不过，这就是问题所在。您不能仅使用一个正则表达式来完成它……您需要进行一次匹配以捕获<input>标签，然后对此进行进一步处理。请注意，这仅在没有任何属性值包含>字符的情况下才有效，因此它不是完美的，但对于合理的输入来说就足够了。

这是一些Perl（伪）代码，向您展示我的意思：

my $html = readLargeInputFile();

my @input_tags = $html =~ m/
    (
        <input                      # Starts with "<input"
        (?=[^>]*?type="hidden")     # Use lookahead to make sure that type="hidden"
        [^>]+                       # Grab the rest of the tag...
        \/>                         # ...except for the />, which is grabbed here
    )/xgm;

# Now each member of @input_tags is something like <input type="hidden" name="SaveRequired" value="False" />

foreach my $input_tag (@input_tags)
{
  my $hash_ref = {};
  # Now extract each of the fields one at a time.

  ($hash_ref->{"name"}) = $input_tag =~ /name="([^"]*)"/;
  ($hash_ref->{"value"}) = $input_tag =~ /value="([^"]*)"/;

  # Put $hash_ref in a list or something, or otherwise process it
}

这里的基本原则是，不要对一个正则表达式做太多的事情。如您所见，正则表达式强制执行一定数量的顺序。因此，您需要做的是首先匹配要提取的内容的CONTEXT，然后对所需数据进行子匹配。

编辑：
但是，我会同意，通常来说，使用HTML解析器可能会更容易，更好，您确实应该考虑重新设计代码或重新检查目标。:-)但是我不得不把这个答案发布为一个反驳，即解析HTML的任何子集是不可能的：当您考虑整个规范时，HTML和XML都是不规则的，但是标记的规范是相当规范的，当然在PCRE的力量之内。