Улучшение моих навыков регулярного выражения

Question

Я уже давно хотел улучшить свои навыки регулярного выражения, и «Освоение регулярных выражений» было рекомендовано несколько раз, поэтому я купил его и читал его за последний день или около того ,

Я создал следующее регулярное выражение:

^(?:<b>)?(?:^<i>)?<a href="/site\.php\?id=([0-9]*)">(.*?) \(([ a-z0-9]{2,10})\)</a>(?:^</i>)?(?:</b>)?$ 

Какие матчи первые две ссылки, но игнорирует два обнесенный <i> тега. Он извлекает идентификатор, заголовок и тип.

<a href="/site.php?id=6321">site 1 title (type 1)</a> 
<b><a href="/site.php?id=10254">site 2 title (type 2)</a></b> 

<i><a href="/site.php?id=5479">site 3 title (type 3)</a></i> 
<b><i><a href="/site.php?id=325">site 4 title (type 4)</a></i></b> 

Несмотря на то, что это работает, кажется, довольно долго для чего-то такого простого, можно ли его улучшить?

Answer 1

Если ваши пишущие экраны, как Whilliham справедливо упоминает DOM, может быть просто подходящим синтаксическим анализатором как Regex, поскольку HTML намного более прощает, чем регулярное выражение.

Не укоротить много, но немного регулярное выражение более терпим

• Удалены начало строки и конец строки проверки, вы действительно нуждаетесь их?
• отрицательные для просмотра назад убедитесь, что <a> не предваряются <i>
• использования \ г простого asertation вместо [0-9] тада уборщика.
• У вас был тип длиной от 3 до 11 символов, я изменил его на 3 или более.
• удаленные проверки для концевых тегов, они не служат контекстуальному значению для вашего скриншота (предположительно).

(?<!<i>)<a href="/site.php\?id=(\d*)">(.*?) \(([ a-z\d]{2,})\)

Answer 2

Недостаточно использовать классы символов (\ d для 0-9 и т. Д.). Я не вижу, чтобы рассматриваемое регулярное выражение могло быть значительно сокращено; однако ...

В качестве примечания можно отметить, что разбор HTML с регулярными выражениями в лучшем случае опасен; при работе с HTML (и, в меньшей степени, XML) инструменты DOM обычно лучше подходят.