前言
最近有一次想用正则表达式从网页里面抓取一些东西出来,内容不复杂却出现不少问题。下面话不多说,来一起看看详细的介绍:
当我们用正则表达式去匹配一个标签的首尾的时候,比如匹配 <h1>hello world</h1>
中的 h1 的开始和闭合标签
可能很多人会这样写
1
|
/<.*h1>/g
|
但是这样真的可以吗?
因为 * 匹配符是匹配前面一个字符的零到多个,而且它是贪婪匹配的
所以你得到的就会是下面的结果了。
显然这并不是我们想要的,那么怎么把贪婪匹配换成最小匹配呢,
1
|
/<.*?h1>/g
|
上面的写法就可以了,如下图:
其实原理应该很简单,因为 ? 也是贪婪匹配,并且只能匹配0到1个,
所以它会匹配到第一个的时候就结束了,从而阻止了 * 的匹配多个的贪婪。
总结
以上就是这篇文章的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,如果有疑问大家可以留言交流,谢谢大家对服务器之家的支持。
原文链接:http://www.jianshu.com/p/f86d558ff566