regex - xml/html 属性の取得 - 二重引用符と単一引用符の問題

Question

コード

私はこの正規表現を持っています:

data-([a-zA-Z_]+[0-9]*)=[\"']([a-zA-Z0-9_ ]*)[\"']

電流出力

この入力がある場合：

<div data-foo="bar">

一致は次のとおりです。

• data-foo="バー"
• ふー
• バー

しかし、私がこの入力を与えると：

<div data-foo="ba'r">

次に、一致は次のとおりです。

• data-foo="ba'
• ふー
• バ

望ましい出力

この入力がある場合：

<div data-foo="ba'r">

次に、一致することはありません：

• data-foo="ba'r"
• ふー
• バー

Answer 1

「\」は引用符を飛躍させるためのものですか?

たぶん、両方跳べば

data-([a-zA-Z_]+[0-9]*)=[\"\']([a-zA-Z0-9_ ]*)[\"\']

コンテンツに引用符が必要な場合は、引用符の間のグループに \' または \" または \'" を使用する必要があります。これにより、他の文字を一緒に使用できます。

Answer 2

探したい文字を追加 [a-zA-Z0-9_\"'] --> " と ' も追加したことに注意してください

Answer 3

これは、pcre をサポートする言語 (php、ruby、java...) で実行できることに注意してください。PHP 構文の例 (後方参照あり):

$pattern = "~data-([a-zA-Z_]+\d*)=([\"'])(.*?)\2~";

しかし、このアプローチでは、必要のない見積もりを取得してしまいます。

別の方法：

 $pattern = "~data-([a-zA-Z_]+\d*)=(?|'([^']++)'|\"([^\"]++)\")~";

この(?|...|...|...)機能を使用する場合、正規表現エンジンが別のキャプチャ グループに同じ番号を与えることを許可します。したがって、寄生虫の一致なしで、必要なものを正確に取得できます。