2.15 典型正则表达式解释（2）

　　3．匹配HTML标记之间的内容

　　HTML标记一般被尖括号包围，如<a>、<table>、<br>、<input>等。以下正则表达式能够匹配HTML标记。

(?<=<(?<tag>/w+)>).*(?=<///k<tag>>)                                        （84）

　　正则表达式（84）解释：

      (?<tag>/w+)是一个分组，它的名称为“tag”。在该正则表表达式匹配过程，它将保存被匹配的内容。

      <(?<tag>/w+)>匹配HTML标记的开头标记，如<a>、<table>等。

      (?<=<(?<tag>/w+)>)是一个零宽度正回顾后发断言，它断言自身位置的前面能够匹配<(?<tag>/w+)>所匹配的内容。在此，该表达式断言被匹配的字符串的开头部分是HTML标记的开头标记。

      /k<tag>后向引用名称为“tag”的分组，即被匹配到的HTML标记的名称。

      //匹配字符/。

      <///k<tag>>匹配HTML标记的结尾标记，如</a>、</table>等。

      (?=<///k<tag>>)是一个零宽度正预测先行断言。在此，该表达式断言被匹配的字符串的结尾部分是HTML标记的结尾标记。

      .*匹配HTML标记之间的任何字符。

　　使用工具Regex Tester测试正则表达式（84），结果如图所示。

 

 

　　4．匹配CSV文件内容

　　CSV文件是非常特殊的一种文件，它的内容满足以下4个条件：

      数据被逗号（,）分割。在此，设被分割后的数据称为单个数据。

      单个数据的长度不能为0。

      如果某单个数据中包含逗号（,），那么该单个内容被双引号（"）包围。

      如果单个数据中包含双引号（"），则用两个双引号表示一个双引号。

　　如下内容就是某个CSV文件的一部分。

aaa,bbb,ccc,ddd,"ab,de",eee,fff,ggg,"this is ""aa",hhhf

　　以下正则表达式能够匹配不包含逗号（,）或者双引号（"）的单个数据。

[^",]+                                                                         （85）

　　如果单个数据包含逗号（,）或者双引号（"）时，那么该单个数据被双引号（"）包围。因此，匹配该类型单个数据的正则表达式形式如下：

"[匹配单个数据内容的正则表达式]"                                              （86）

　　该类型单个数据要么是两个连续双引号（""），要么是除单个双引号（""）的任意字符。因此，以下正则表达式能够匹配包含逗号（,）或者双引号（"）的单个数据。

"(?:([^"]|""))+"                                                             （87）

　　综合上述，以下正则表达式能够匹配CSV文件中的单个数据。

[^",]+|("(?:([^"]|""))+")                                                  （90）

　　以下正则表达式能够匹配CSV文件的内容。

([^",]+|("(?:([^"]|""))+"))(/s*,/s*([^",]+|("(?:([^"]|""))+")))* （91）

　　正则表达式（91）解释：

      [^",]+|("(?:([^"]|""))+")匹配CSV文件中的单个数据。

     /s*匹配逗号（,）两边的空白字符。

      /s*,/s*([^",]+|("(?:([^"]|""))+"))匹配“逗号（,）＋单个数据”组成的字符串，并且还包含逗号（,）两边的空白字符。

      (/s*,/s*([^",]+|("(?:([^"]|""))+")))*匹配0个或多个“逗号（,）＋单个数据”组成的字符串。同样，也包含逗号（,）两边的空白字符。

　　使用工具Regex Tester测试正则表达式（91），结果如图所示。