Regex:Para extrair uma substring entre duas tags em uma string

Question

Tenho um arquivo no seguinte formato:

Data Data
Data
[Start]
Data I want
[End]
Data

Eu gostaria de pegar o Data I want entre o [Start] e [End] tags usando um Regex.Alguém pode me mostrar como isso pode ser feito?

Answer 1

\[start\]\s*(((?!\[start\]|\[end\]).)+)\s*\[end\]

Esperançosamente, isso deve derrubar o [start] e [end] marcadores também.

Answer 2

\[start\](.*?)\[end\]

Zhich colocará o texto no meio de uma captura.

Answer 3

$text ="Data Data Data start Data i want end Data";
($content) = $text =~ m/ start (.*) end /;
print $content;

Eu tive um problema semelhante por um tempo e posso dizer que esse método funciona ...

Answer 4

Uma discussão mais completa sobre as armadilhas do uso de uma regex para encontrar tags correspondentes pode ser encontrada em: http://faq.perl.org/perlfaq4.html#How_do_I_find_matchi.Em particular, esteja ciente de que as tags de aninhamento realmente precisam de um analisador completo para serem interpretadas corretamente.

Observe que a distinção entre maiúsculas e minúsculas precisará ser desativada para responder à pergunta conforme indicado.Em perl, esse é o eu modificador:

$ echo "Data Data Data [Start] Data i want [End] Data" \
  | perl -ne '/\[start\](.*?)\[end\]/i; print "$1\n"'
 Data i want 

O outro truque é usar o *? quantificador que desativa a ganância da partida capturada.Por exemplo, se você tiver um não correspondente [fim] marcação:

Data Data [Start] Data i want [End] Data [end]

você provavelmente não deseja capturar:

 Data i want [End] Data

Answer 5

Embora você possa usar uma expressão regular para analisar os dados entre as tags de abertura e fechamento, você precisa pensar muito se esse é o caminho que deseja seguir.A razão para isso é o potencial de aninhamento das tags:se tags de aninhamento puderem acontecer ou acontecerem, diz-se que a linguagem não é mais regular e as expressões regulares deixam de ser a ferramenta adequada para analisá-la.

Muitas implementações de expressões regulares, como PCRE ou expressões regulares do Perl, suportam retrocesso que pode ser usado para obter esse efeito aproximado.Mas o PCRE (ao contrário do Perl) não suporta retrocesso ilimitado, e isso pode realmente fazer com que as coisas quebrem de maneiras estranhas assim que você tiver muitas tags.

Há uma postagem de blog muito citada que discute mais isso, http://kore-nordmann.de/blog/do_NOT_parse_using_regexp.html (pesquise no Google e verifique o cache atualmente, eles parecem estar tendo algum tempo de inatividade)

Answer 6

Bem, se você garantir que cada tag inicial seja seguida por uma tag final, o seguinte funcionaria.

\[start\](.*?)\[end\]

No entanto, se você tiver um texto complexo como o seguinte:

[start] sometext [start] sometext2 [end] sometext [end]

então você teria problemas com regex.

Agora, o exemplo a seguir extrairá todos os links importantes de uma página:

'/<a(.*?)a>/i'

No caso acima podemos garantir que não haveria casos aninhados de:

'<a></a>'

Portanto, esta é uma questão complexa e não pode ser resolvida apenas com uma resposta simples.

Answer 7

Com Perl você pode cercar os dados que deseja com () e retirá-los mais tarde, talvez outras linguagens tenham um recurso semelhante.

if ($s_output =~ /(data data data data START(data data data)END (data data)/) 
{
    $dataAllOfIt = $1;      # 1 full string
    $dataInMiddle = $2;     # 2 Middle Data
    $dataAtEnd = $3;        # 3 End Data
}

Answer 8

Consulte esta pergunta para extrair texto entre tags com caracteres de espaço e pontos (.)

[\S\s] é o que eu usei

Regex para corresponder a qualquer caractere, incluindo novas linhas

Answer 9

Lendo o texto entre colchetes [], ou seja, [Início] e [Fim] e valide o array com uma lista de valores. jsfiddle http://jsfiddle.net/muralinarisetty/r4s4wxj4/1/

var mergeFields = ["[sitename]",
                   "[daystoholdquote]",
                   "[expires]",
                   "[firstname]",
                   "[lastname]",
                   "[sitephonenumber]",
                   "[hoh_firstname]",
                   "[hoh_lastname]"];       

var str = "fee [sitename] [firstname] \
sdfasd [lastname] ";
var res = validateMeargeFileds(str);
console.log(res);

function validateMeargeFileds(input) {
    var re = /\[\w+]/ig;
    var isValid;
    var myArray = input.match(re);

    try{
        if (myArray.length > 0) {
            myArray.forEach(function (field) {

                isValid = isMergeField(field);

                if (!isValid){
                   throw e;                        
                }
            });
        }
    }
    catch(e) {        
    }

    return isValid;
}

function isMergeField(mergefield) {
    return mergeFields.indexOf(mergefield.toLowerCase()) > -1;
}