批处理之家 - Powered by Discuz! Board

标题: [原创代码] PowerShell 正则表达式平衡组匹配html文档嵌套标签 [打印本页]

作者: WHY 时间: 2018-1-1 04:05 标题: PowerShell 正则表达式平衡组匹配html文档嵌套标签

本帖最后由 WHY 于 2018-1-3 20:16 编辑

今天得空，逛了逛 pstips.net，翻到 http://www.pstips.net/question/7423.html 这一贴，楼主要求用 PowerShell 正则表达式平衡组匹配 html 文档中所有 dl 嵌套标签。

PowerShell 脚本如下：

function GetBalancedConstruct {
    param([ref]$refStr);
    $match = [regex]::Matches($refStr.Value, $reg);      #正则匹配
    $match | ForEach {                                   #遍历匹配集合
        $str = $_.Groups[0].Value;                       #捕获组0的值赋值给变量str
        Write-Host ('第 ' + (++$global:n) + ' 组');      #回显
        Write-Host $str;
        GetBalancedConstruct ([ref]$str.SubString(3))    #递归
    }
}

$str = [IO.File]::ReadAllText('a.html', [Text.Encoding]::Default);  #打开文本、读取文本内容
$reg = '(?i)<dl>((?:(?!</?dl>)[\S\s])*|<dl>(?<Open>)|</dl>(?<-Open>))*(?(Open)(?!))</dl>';  #正则表达式模式

GetBalancedConstruct ([ref]$str)    #调用函数
[Console]::ReadLine()               #暂停
复制代码

如果感兴趣的话可以继续往下看，对脚本中正则表达式模式注释一下：

<dl>(?:(?!</?dl>)[\S\s])*
复制代码

#<dl> 后面跟着非 <dl> 或者非 </dl> 的任意字符，这样的字符重复任意次；

<dl>(?<Open>)
复制代码

#遇到 <dl> 字符，将 Open 捕获组内容压入堆栈，计数加1；

</dl>(?<-Open>)
复制代码

#遇到 </dl> 字符，将 Open 捕获组内容弹出堆栈，计数减1；

(?(Open)(?!))
复制代码

#相当于条件表达式 (?(Open)(?!Expression1)|Expression2)， Expression1 和 Expression2 被省略。
#如果 <dl> 和 </dl> 个数不相等，Open 捕获组计数不为0，执行条件分支 (?!)，由于 Expression1 被省略，匹配总是失败，回溯进行下一轮匹配；
#如果 <dl> 和 </dl> 个数相等，Open 捕获组计数等于0，执行条件分支 Expression2，由于 Expression2 被省略，也就是不进行任何操作，代表匹配成功。

作者: codegay 时间: 2018-1-1 19:03

顺手贴一下正则的教程吧。有说到平衡组的。
http://deerchao.net/tutorials/regex/regex.htm

作者: WHY 时间: 2018-1-3 20:22

回复 2# codegay

不错哦！
我也推荐一个吧，想学正则的话可以参考下：
http://www.regular-expressions.info/tutorial.html

欢迎光临批处理之家 (http://bbs.bathome.net/)