相关疑难解决方法(0)

如何解析HTML/XML并从中提取信息？

我需要匹配所有这些开始标记:

<p>
<a href="foo">

但不是这些:

<br />
<hr class="foo" />

我想出了这个,并希望确保我做对了.我只抓住了a-z.

<([a-z]+) *[^/]*?>

我相信它说:

• 找一个小于,然后
• 然后,查找(并捕获)az一次或多次
• 然后找到零个或多个空格
• 找到任何字符零次或多次,贪婪/,然后
• 找到一个大于

我有这个权利吗？更重要的是,你怎么看？

我使用 grep 来匹配恰好有 52 个管道 (|) 的行。我使用的 grep 命令是：

grep -nP "^(.*?\|){52}"

-P因为lazy修饰符?在其他情况下不起作用。当我运行此命令时，会显示以下消息：PCRE's backtracking limit is exceeded。我猜这里类似 perl 的正则表达式有问题。

• 我的内存不足了吗？
• 问题出在我使用的正则表达式中吗？
• 我可以使用更好的正则表达式吗？

多谢！