提取标签之间的文本，但不包括标签的正则表达式

Question

我想编写一个正则表达式来提取字符串中两个标签<title>之间的内容，但不包括这两个标签。 例如，我有以下内容：

<title>My work</title>
<p>This is my work.</p> <p>Learning regex.</p>

正则表达式

(<title>)(.*?)(<\/title>)

我想要提取<title>My work</title>中的My work。我该怎么办？ 这是一个示例链接：http://regex101.com/r/mD8fB0

- Nicolaesse

Answer 1

您可以使用以下正则表达式：

>([^<]*)<

或者， >[^<]*<

然后消除不需要的字符，如'<'和'>'。

- shasan

---

你能解释一下 [^<] 的意思吗？ - Amit Choukroun

这无法处理嵌套标签内的文本，例如<charlie><bob>Alice</bob></charlie>。有什么想法吗？ - PeterX

@AmitChoukroun [] 表示字符或字符组列表，[] 中的 ^ 特别 表示非，* 表示0个或更多个字符，所以在口语中可以理解为："0-N个字符，除了"<"之外的任意字符。 - undefined

@PeterX 看起来对我来说是有效的，但也许你可以尝试一下修改：preg_match_all('/>([^<]+)</', "<charlie><bob>Alice</bob></charlie>", $matches);，$matches[1] 将包含纯粹的非空文本匹配项。 - undefined

Answer 2

最好的方法是使用断言，对于您的情况，正则表达式应该是：

(?<=\<title\>).*?(?=\<\/title\>)

for more details have a look here

- Ammar

---

如果内容中存在换行符，则此方法无法正常工作！ - ZOXEXIVO

Answer 3

我使用这个正则表达式作为替换函数: (<.+?>)。

- andrewster

---

聪明的回答！我喜欢你看待事物的方式。 - Eric Novins

Answer 4

在您的情况下，您可以只使用正则表达式中的第二个反向引用，它将保存您感兴趣的文本。

由于您在标签中提到了preg_match，我假设您想要这个功能用于PHP。

$matches = array();
$pattern = '#<title>(.*?)</title>#'; // note I changed the pattern a bit
preg_match($pattern, $string, $matches);
$title = $matches[1];

请注意，这实际上是我的模式中的第一个反向引用，因为我省略了标记本身周围的括号，这些括号是不必要的。

通常情况下，您不应使用正则表达式来解析HTML文档，但我认为这可能是一种例外情况，因为标题标记在页面上只应存在一次。

- Mike Brant