Regex найти несколько совпадений между двумя строками

Question

Вот ссылка на строку, я пытаюсь сделать регулярное выражение из: http://pastebin.com/raw/TRKbqGxs

Да, я знаю, что регулярное выражение не является лучшим для разбора HTML, но я хочу использовать это в этом проекте. В настоящий момент я не хочу использовать пакет HTML Ability Pack.

Мой главный интерес представляют такие строки:

data-screen-name="thanhbach195" data-name="Mai Thanh Bách" data-protected="false">

data-screen-name="zeref980" data-name="Yan Naung Htet" data-protected="false">

Я хочу, чтобы экспортировать данные между следующие фрагменты текста data-screen-name=" и " data-name=.

В принципе, в данном случае thanhbach195 и zeref980.

Я попробовал следующее регулярное выражение: string reg = "data-screen-name=\"(.*)\" data-name=\"";

Но я не получил ответа из нескольких матчей по какой-то причине. На самом деле, похоже, он не извлекает строку, которую я хочу вообще.

Я был бы признателен, если кто-то может помочь мне написать правильное регулярное выражение, чтобы извлечь все совпадения между этими двумя строками в строке, которую я загрузил выше.

private List<string> getUsers(string str) 
     { 
      List<string> users = new List<string>(); 
      string reg = "data-screen-name=\"(.*)\" data-name=\""; 
      MatchCollection mc = Regex.Matches(str, reg); 
      foreach(Match m in mc) 
      { 
       users.Add(m.Groups[1].Value); 
      } 
      return users; 
     } 

Этот код возвращает одно и то же совпадение каждый раз (первое, что я считаю).

Answer 1

Отказ

Вы действительно должны использовать механизм синтаксического анализа HTML, так как существует много неясных краевых случаев, которые регулярное выражение не может легко разместить. Но я не твоя мама, поэтому я не собираюсь рассказывать тебе, как жить своей жизнью.

Поскольку кажется, что у вас есть некоторый контроль над исходным текстом, вы, вероятно, сможете полностью избежать случаев с неясными краями.

Описание

Это регулярное выражение будет делать следующее:

• найти все div теги
• обеспечивают каждый div Найден тег содержит class="user-actions с или без цитаты
• захватывает значения data-screen-name, data-name и data-protected в свои собственные группы захвата
• позволяет атрибут/значение задает появляться в любом порядке
• позволяет кавычки вокруг значения будут необязательными, так что вы можете использовать одинарные кавычки, двойные кавычки или без кавычек
• скрабов цитаты из значений, так что вы получите Исходное значение
• избегает много грязных дел краев регулярных выражений полиции крика о том, когда соответствии HTML

The Regex

<div\b(?=(?:[^>=]|='[^']*'|="[^"]*"|=[^'"][^\s>]*)*?class=['"]?user-actions)(?=(?:[^>=]|='[^']*'|="[^"]*"|=[^'"][^\s>]*)*?data-screen-name=(['"]?)(.*?)\1(?:\s|>))(?=(?:[^>=]|='[^']*'|="[^"]*"|=[^'"][^\s>]*)*?data-name=(['"]?)(.*?)\3(?:\s|>))(?=(?:[^>=]|='[^']*'|="[^"]*"|=[^'"][^\s>]*)*?data-protected=(['"]?)(.*?)\5(?:\s|>))(?:[^>=]|='(?:[^']|\\')*'|="(?:[^"]|\\")*"|=[^'"][^\s>]*)*\s*>

Я рекомендую использовать флагов, нечувствительный к регистру.

Примеры

Выдержка из исходного текста

Крошечная часть вашего образца текста

<div class="user-actions btn-group not-following not-muting protected" data-user-id="726459723365502976" 
data-screen-name="Just__Kidding__" data-name="Chaw Chin Fong" data-protected="true"> 

Живой пример

показывает только большую часть вашего общего файла потому что онлайн-инструмент увязывается с огромные строки текста.

https://regex101.com/r/bY1kH8/1

Захват Группы

• Group 0 получает все открытия Div тег
• Группа 1 получает присваивается котировку, если был один вокруг значения data-screen-name
• Группа 2 получить значение data-screen-name, не включая котировки
• Группа 3 получает присваивается котировку, если был один вокруг значения data-name
• Group 4 получить значение data-name, не включая кавычки
• Group 5 получает присваивается котировку, если был один вокруг значения data-protected
• Группа 6 получить значение data-protected, не включая любые кавычки

Sample Матчи

Они были взяты из исходного текс t, используя предлагаемое регулярное выражение.

[0][0] = <div class="user-actions btn-group not-following not-muting " data-user-id="2582252852" 
     data-screen-name="w33haa" data-name="Aliwi Omar" data-protected="false"> 
[0][1] = " 
[0][2] = w33haa 
[0][3] = " 
[0][4] = Aliwi Omar 
[0][5] = " 
[0][6] = false 

[1][0] = <div class="user-actions btn-group not-following not-muting " data-user-id="1680222842" 
     data-screen-name="Jamjomon" data-name="Jamchu :3" data-protected="false"> 
[1][1] = " 
[1][2] = Jamjomon 
[1][3] = " 
[1][4] = Jamchu :3 
[1][5] = " 
[1][6] = false 

[2][0] = <div class="user-actions btn-group not-following not-muting " data-user-id="1523823648" 
     data-screen-name="dimakoza4enko" data-name="Дима Козаченко" data-protected="false"> 
[2][1] = " 
[2][2] = dimakoza4enko 
[2][3] = " 
[2][4] = Дима Козаченко 
[2][5] = " 
[2][6] = false 

[3][0] = <div class="user-actions btn-group not-following not-muting " data-user-id="1522238240" 
     data-screen-name="alupulipulipala" data-name="Wahid Arefin" data-protected="false"> 
[3][1] = " 
[3][2] = alupulipulipala 
[3][3] = " 
[3][4] = Wahid Arefin 
[3][5] = " 
[3][6] = false 

[4][0] = <div class="user-actions btn-group not-following not-muting " data-user-id="4804204573" 
     data-screen-name="thanhbach195" data-name="Mai Thanh Bách" data-protected="false"> 
[4][1] = " 
[4][2] = thanhbach195 
[4][3] = " 
[4][4] = Mai Thanh Bách 
[4][5] = " 
[4][6] = false 

[5][0] = <div class="user-actions btn-group not-following not-muting " data-user-id="726465523223908353" 
     data-screen-name="zeref980" data-name="Yan Naung Htet" data-protected="false"> 
[5][1] = " 
[5][2] = zeref980 
[5][3] = " 
[5][4] = Yan Naung Htet 
[5][5] = " 
[5][6] = false 

[6][0] = <div class="user-actions btn-group not-following not-muting protected" data-user-id="726459723365502976" 
     data-screen-name="Just__Kidding__" data-name="Chaw Chin Fong" data-protected="true"> 
[6][1] = " 
[6][2] = Just__Kidding__ 
[6][3] = " 
[6][4] = Chaw Chin Fong 
[6][5] = " 
[6][6] = true 

[7][0] = <div class="user-actions btn-group not-following not-muting " data-user-id="713605605638938624" 
     data-screen-name="Fruitcentre" data-name="Fruit &amp; Veg Centre" data-protected="false"> 
[7][1] = " 
[7][2] = Fruitcentre 
[7][3] = " 
[7][4] = Fruit &amp; Veg Centre 
[7][5] = " 
[7][6] = false 

[8][0] = <div class="user-actions btn-group not-following not-muting protected" data-user-id="555968644" 
     data-screen-name="aeronhalecastle" data-name="Eywon ツ" data-protected="true"> 
[8][1] = " 
[8][2] = aeronhalecastle 
[8][3] = " 
[8][4] = Eywon ツ 
[8][5] = " 
[8][6] = true 

[9][0] = <div class="user-actions btn-group not-following not-muting " data-user-id="2845398050" 
     data-screen-name="Deheyb" data-name="4k Scrub✌️" data-protected="false"> 
[9][1] = " 
[9][2] = Deheyb 
[9][3] = " 
[9][4] = 4k Scrub✌️ 
[9][5] = " 
[9][6] = false 

[10][0] = <div class="user-actions btn-group not-following not-muting " data-user-id="721815663216566272" 
     data-screen-name="Ribbon2712" data-name="Даниил Демидов" data-protected="false"> 
[10][1] = " 
[10][2] = Ribbon2712 
[10][3] = " 
[10][4] = Даниил Демидов 
[10][5] = " 
[10][6] = false 

[11][0] = <div class="user-actions btn-group not-following not-muting " data-user-id="3248438456" 
     data-screen-name="zayarmgmg95" data-name="Zayar Mg" data-protected="false"> 
[11][1] = " 
[11][2] = zayarmgmg95 
[11][3] = " 
[11][4] = Zayar Mg 
[11][5] = " 
[11][6] = false 

[12][0] = <div class="user-actions btn-group not-following not-muting " data-user-id="726440286063198208" 
     data-screen-name="Ninderpy" data-name="Derpy" data-protected="false"> 
[12][1] = " 
[12][2] = Ninderpy 
[12][3] = " 
[12][4] = Derpy 
[12][5] = " 
[12][6] = false 

[13][0] = <div class="user-actions btn-group not-following not-muting " data-user-id="423763655" 
     data-screen-name="ImJoehuff" data-name="JoeyT" data-protected="false"> 
[13][1] = " 
[13][2] = ImJoehuff 
[13][3] = " 
[13][4] = JoeyT 
[13][5] = " 
[13][6] = false 

[14][0] = <div class="user-actions btn-group not-following not-muting " data-user-id="726441786839703556" 
     data-screen-name="zxmir_" data-name="Zxmir_" data-protected="false"> 
[14][1] = " 
[14][2] = zxmir_ 
[14][3] = " 
[14][4] = Zxmir_ 
[14][5] = " 
[14][6] = false 

[15][0] = <div class="user-actions btn-group not-following not-muting " data-user-id="726440845713367041" 
     data-screen-name="hienlequang" data-name="Hiền Lê Quang" data-protected="false"> 
[15][1] = " 
[15][2] = hienlequang 
[15][3] = " 
[15][4] = Hiền Lê Quang 
[15][5] = " 
[15][6] = false 

[16][0] = <div class="user-actions btn-group not-following not-muting " data-user-id="3032113115" 
     data-screen-name="Najer14" data-name="Jan" data-protected="false"> 
[16][1] = " 
[16][2] = Najer14 
[16][3] = " 
[16][4] = Jan 
[16][5] = " 
[16][6] = false 

[17][0] = <div class="user-actions btn-group not-following not-muting " data-user-id="4762819022" 
     data-screen-name="7forOne" data-name="Abiel" data-protected="false"> 
[17][1] = " 
[17][2] = 7forOne 
[17][3] = " 
[17][4] = Abiel 
[17][5] = " 
[17][6] = false 

[18][0] = <div class="user-actions btn-group not-following not-muting " data-user-id="717061680799330306" 
     data-screen-name="Th3uN1qu31" data-name="Th3_uN1Qu3" data-protected="false"> 
[18][1] = " 
[18][2] = Th3uN1qu31 
[18][3] = " 
[18][4] = Th3_uN1Qu3 
[18][5] = " 
[18][6] = false 

Разъяснения

NODE      EXPLANATION 
---------------------------------------------------------------------- 
    <div      '<div' 
---------------------------------------------------------------------- 
    \b      the boundary between a word char (\w) and 
          something that is not a word char 
---------------------------------------------------------------------- 
    (?=      look ahead to see if there is: 
---------------------------------------------------------------------- 
    (?:      group, but do not capture (0 or more 
          times (matching the least amount 
          possible)): 
---------------------------------------------------------------------- 
     [^>=]     any character except: '>', '=' 
---------------------------------------------------------------------- 
    |      OR 
---------------------------------------------------------------------- 
     ='      '=\'' 
---------------------------------------------------------------------- 
     [^']*     any character except: ''' (0 or more 
           times (matching the most amount 
           possible)) 
---------------------------------------------------------------------- 
     '      '\'' 
---------------------------------------------------------------------- 
    |      OR 
---------------------------------------------------------------------- 
     ="      '="' 
---------------------------------------------------------------------- 
     [^"]*     any character except: '"' (0 or more 
           times (matching the most amount 
           possible)) 
---------------------------------------------------------------------- 
     "      '"' 
---------------------------------------------------------------------- 
    |      OR 
---------------------------------------------------------------------- 
     =      '=' 
---------------------------------------------------------------------- 
     [^'"]     any character except: ''', '"' 
---------------------------------------------------------------------- 
     [^\s>]*     any character except: whitespace (\n, 
           \r, \t, \f, and " "), '>' (0 or more 
           times (matching the most amount 
           possible)) 
---------------------------------------------------------------------- 
    )*?      end of grouping 
---------------------------------------------------------------------- 
    class=     'class=' 
---------------------------------------------------------------------- 
    ['"]?     any character of: ''', '"' (optional 
          (matching the most amount possible)) 
---------------------------------------------------------------------- 
    user-actions    'user-actions' 
---------------------------------------------------------------------- 
)      end of look-ahead 
---------------------------------------------------------------------- 
    (?=      look ahead to see if there is: 
---------------------------------------------------------------------- 
    (?:      group, but do not capture (0 or more 
          times (matching the least amount 
          possible)): 
---------------------------------------------------------------------- 
     [^>=]     any character except: '>', '=' 
---------------------------------------------------------------------- 
    |      OR 
---------------------------------------------------------------------- 
     ='      '=\'' 
---------------------------------------------------------------------- 
     [^']*     any character except: ''' (0 or more 
           times (matching the most amount 
           possible)) 
---------------------------------------------------------------------- 
     '      '\'' 
---------------------------------------------------------------------- 
    |      OR 
---------------------------------------------------------------------- 
     ="      '="' 
---------------------------------------------------------------------- 
     [^"]*     any character except: '"' (0 or more 
           times (matching the most amount 
           possible)) 
---------------------------------------------------------------------- 
     "      '"' 
---------------------------------------------------------------------- 
    |      OR 
---------------------------------------------------------------------- 
     =      '=' 
---------------------------------------------------------------------- 
     [^'"]     any character except: ''', '"' 
---------------------------------------------------------------------- 
     [^\s>]*     any character except: whitespace (\n, 
           \r, \t, \f, and " "), '>' (0 or more 
           times (matching the most amount 
           possible)) 
---------------------------------------------------------------------- 
    )*?      end of grouping 
---------------------------------------------------------------------- 
    data-screen-name=  'data-screen-name=' 
---------------------------------------------------------------------- 
    (      group and capture to \1: 
---------------------------------------------------------------------- 
     ['"]?     any character of: ''', '"' (optional 
           (matching the most amount possible)) 
---------------------------------------------------------------------- 
    )      end of \1 
---------------------------------------------------------------------- 
    (      group and capture to \2: 
---------------------------------------------------------------------- 
     .*?      any character (0 or more times 
           (matching the least amount possible)) 
---------------------------------------------------------------------- 
    )      end of \2 
---------------------------------------------------------------------- 
    \1      what was matched by capture \1 
---------------------------------------------------------------------- 
    (?:      group, but do not capture: 
---------------------------------------------------------------------- 
     \s      whitespace (\n, \r, \t, \f, and " ") 
---------------------------------------------------------------------- 
    |      OR 
---------------------------------------------------------------------- 
     >      '>' 
---------------------------------------------------------------------- 
    )      end of grouping 
---------------------------------------------------------------------- 
)      end of look-ahead 
---------------------------------------------------------------------- 
    (?=      look ahead to see if there is: 
---------------------------------------------------------------------- 
    (?:      group, but do not capture (0 or more 
          times (matching the least amount 
          possible)): 
---------------------------------------------------------------------- 
     [^>=]     any character except: '>', '=' 
---------------------------------------------------------------------- 
    |      OR 
---------------------------------------------------------------------- 
     ='      '=\'' 
---------------------------------------------------------------------- 
     [^']*     any character except: ''' (0 or more 
           times (matching the most amount 
           possible)) 
---------------------------------------------------------------------- 
     '      '\'' 
---------------------------------------------------------------------- 
    |      OR 
---------------------------------------------------------------------- 
     ="      '="' 
---------------------------------------------------------------------- 
     [^"]*     any character except: '"' (0 or more 
           times (matching the most amount 
           possible)) 
---------------------------------------------------------------------- 
     "      '"' 
---------------------------------------------------------------------- 
    |      OR 
---------------------------------------------------------------------- 
     =      '=' 
---------------------------------------------------------------------- 
     [^'"]     any character except: ''', '"' 
---------------------------------------------------------------------- 
     [^\s>]*     any character except: whitespace (\n, 
           \r, \t, \f, and " "), '>' (0 or more 
           times (matching the most amount 
           possible)) 
---------------------------------------------------------------------- 
    )*?      end of grouping 
---------------------------------------------------------------------- 
    data-name=    'data-name=' 
---------------------------------------------------------------------- 
    (      group and capture to \3: 
---------------------------------------------------------------------- 
     ['"]?     any character of: ''', '"' (optional 
           (matching the most amount possible)) 
---------------------------------------------------------------------- 
    )      end of \3 
---------------------------------------------------------------------- 
    (      group and capture to \4: 
---------------------------------------------------------------------- 
     .*?      any character (0 or more times 
           (matching the least amount possible)) 
---------------------------------------------------------------------- 
    )      end of \4 
---------------------------------------------------------------------- 
    \3      what was matched by capture \3 
---------------------------------------------------------------------- 
    (?:      group, but do not capture: 
---------------------------------------------------------------------- 
     \s      whitespace (\n, \r, \t, \f, and " ") 
---------------------------------------------------------------------- 
    |      OR 
---------------------------------------------------------------------- 
     >      '>' 
---------------------------------------------------------------------- 
    )      end of grouping 
---------------------------------------------------------------------- 
)      end of look-ahead 
---------------------------------------------------------------------- 
    (?=      look ahead to see if there is: 
---------------------------------------------------------------------- 
    (?:      group, but do not capture (0 or more 
          times (matching the least amount 
          possible)): 
---------------------------------------------------------------------- 
     [^>=]     any character except: '>', '=' 
---------------------------------------------------------------------- 
    |      OR 
---------------------------------------------------------------------- 
     ='      '=\'' 
---------------------------------------------------------------------- 
     [^']*     any character except: ''' (0 or more 
           times (matching the most amount 
           possible)) 
---------------------------------------------------------------------- 
     '      '\'' 
---------------------------------------------------------------------- 
    |      OR 
---------------------------------------------------------------------- 
     ="      '="' 
---------------------------------------------------------------------- 
     [^"]*     any character except: '"' (0 or more 
           times (matching the most amount 
           possible)) 
---------------------------------------------------------------------- 
     "      '"' 
---------------------------------------------------------------------- 
    |      OR 
---------------------------------------------------------------------- 
     =      '=' 
---------------------------------------------------------------------- 
     [^'"]     any character except: ''', '"' 
---------------------------------------------------------------------- 
     [^\s>]*     any character except: whitespace (\n, 
           \r, \t, \f, and " "), '>' (0 or more 
           times (matching the most amount 
           possible)) 
---------------------------------------------------------------------- 
    )*?      end of grouping 
---------------------------------------------------------------------- 
    data-protected=   'data-protected=' 
---------------------------------------------------------------------- 
    (      group and capture to \5: 
---------------------------------------------------------------------- 
     ['"]?     any character of: ''', '"' (optional 
           (matching the most amount possible)) 
---------------------------------------------------------------------- 
    )      end of \5 
---------------------------------------------------------------------- 
    (      group and capture to \6: 
---------------------------------------------------------------------- 
     .*?      any character (0 or more times 
           (matching the least amount possible)) 
---------------------------------------------------------------------- 
    )      end of \6 
---------------------------------------------------------------------- 
    \5      what was matched by capture \5 
---------------------------------------------------------------------- 
    (?:      group, but do not capture: 
---------------------------------------------------------------------- 
     \s      whitespace (\n, \r, \t, \f, and " ") 
---------------------------------------------------------------------- 
    |      OR 
---------------------------------------------------------------------- 
     >      '>' 
---------------------------------------------------------------------- 
    )      end of grouping 
---------------------------------------------------------------------- 
)      end of look-ahead 
---------------------------------------------------------------------- 
    (?:      group, but do not capture (0 or more times 
          (matching the most amount possible)): 
---------------------------------------------------------------------- 
    [^>=]     any character except: '>', '=' 
---------------------------------------------------------------------- 
    |      OR 
---------------------------------------------------------------------- 
    ='      '=\'' 
---------------------------------------------------------------------- 
    (?:      group, but do not capture (0 or more 
          times (matching the most amount 
          possible)): 
---------------------------------------------------------------------- 
     [^']      any character except: ''' 
---------------------------------------------------------------------- 
    |      OR 
---------------------------------------------------------------------- 
     \\      '\' 
---------------------------------------------------------------------- 
     '      '\'' 
---------------------------------------------------------------------- 
    )*      end of grouping 
---------------------------------------------------------------------- 
    '      '\'' 
---------------------------------------------------------------------- 
    |      OR 
---------------------------------------------------------------------- 
    ="      '="' 
---------------------------------------------------------------------- 
    (?:      group, but do not capture (0 or more 
          times (matching the most amount 
          possible)): 
---------------------------------------------------------------------- 
     [^"]      any character except: '"' 
---------------------------------------------------------------------- 
    |      OR 
---------------------------------------------------------------------- 
     \\      '\' 
---------------------------------------------------------------------- 
     "      '"' 
---------------------------------------------------------------------- 
    )*      end of grouping 
---------------------------------------------------------------------- 
    "      '"' 
---------------------------------------------------------------------- 
    |      OR 
---------------------------------------------------------------------- 
    =      '=' 
---------------------------------------------------------------------- 
    [^'"]     any character except: ''', '"' 
---------------------------------------------------------------------- 
    [^\s>]*     any character except: whitespace (\n, 
          \r, \t, \f, and " "), '>' (0 or more 
          times (matching the most amount 
          possible)) 
---------------------------------------------------------------------- 
)*      end of grouping 
---------------------------------------------------------------------- 
    \s*      whitespace (\n, \r, \t, \f, and " ") (0 or 
          more times (matching the most amount 
          possible)) 
---------------------------------------------------------------------- 
    >      '>' 

Answer 2

Попробуйте нежадным именем регулярное выражение, что заканчивается на следующей двойной кавычки вместо жадного матча

string reg = "data-screen-name=\"(?<dataScreenName>[^\"]+)\" data-name=\"(?<dataName>[^\"]+\""; 

это позволит вам использовать

foreach(Match m in mc) 
{ 
    users.Add(m.Groups["dataScreenName"].Value); 
}