1

Нужно составить регулярное выражение для HTML-тега <script>. Причем нужно сохранить все данные, которые указаны, как атрибуты внутри тега, так и сами данные между открывающимся и закрывающимся тегами.

То есть, например из такого кода:

<script type="text/javascript" src="/openapi.js"></script>
<script type="text/javascript">
       VK.init({apiId: 3251711, onlyWidgets: true});
</script>

на выходе, после отработки регулярного выражения, должен получиться следующий ответ:

type="text/javascript" src="/openapi.js"
type="text/javascript"
VK.init({apiId: 3251711, onlyWidgets: true});

Что получилось у меня:

Я смог придумать только вот такую регулярку:

<\s*script\s*([^>]*)>\s*([^<]*)<\s*\/script\s*>

Она работает только в частных случаях, а именно в тех, где между тегами нет символа "<". Вот результат ее работы:

регулярное выражение

Как видно, работает она только в частных случаях.

Огромная просьба помочь: сам я пока только новичок в регулярных выражениях.

9
  • А скажите, ножичек :), зачем там *символ "<" между тегами * ?
    – splash58
    24 июл 2015 в 12:55
  • Ну вот если из большого скрипта убрать все сравнения > или < , то моя регулярка сработает, в ином случае она не работает. 24 июл 2015 в 12:57
  • она не сработает, в смысле захватит лишнего,? я не знаю, как у вас в си, но жадность регулярных выражений можно поменяь ключиком, тогда и .+ должно сработать
    – splash58
    24 июл 2015 в 13:00
  • Между тегами захват выражения берется следующей регуляркой: \s*([^<]*) , но так как внутри скрипта могут быть символы "<", то захват не произойдет 24 июл 2015 в 13:02
  • я про это и говорю, что сейчас если сделаь <script>.+</script>. то он захватит сразу все скрипты, а не жадный, не захватит
    – splash58
    24 июл 2015 в 13:03

2 ответа 2

1

Не знаю всех особенностей регулярок на C++, однако постараюсь помочь.

Вот регулярка PCRE:

~<\s*script\s*([^>]*)>(.*?)<\s*\/script\s*>~gs

~ границы регулярки (вам наверно не нужны). Конечные символы: g - чтобы выхватывал все совпадения (надо для regex101.com), s - чтобы символ ., обозначающий любой символ, учитывал и перевод строки - надо для многострочного текста.

Вот ссылка: https://www.regex101.com/r/zR2sD1/3 Вроде все работает. Как видите я убрал ограничения на < и заменил на (.*?). А именно тут *? значит повторять предыдущее выражение (. - любой символ) сколько угодно раз, но так мало, как это возможно (это все можно прочесть на regex101.com если навести курсов на нужную позицию в регулярке).

Такой же прием можно использовать и для атрибутов:

~<\s*script\s*(.*?)>(.*?)<\s*\/script\s*>~gs

Если будут еще вопросы задавайте.

UPD: Посмотрел регулярки в С++ : модификатор s соответсвует (?s), то есть ваша регулярка должна выглядеть как то так:

(?i)(?s)<\s*script\s*(.*?)>(.*?)<\s*\/script\s*>

То есть с самого начала включаем многострочный режим и не смотрим на регистр символом (за это отвечает (?i) ). Тут так написано http://www.slideshare.net/bulgakovdmitriy/c-37604265

2
  • Спасибо Вам огромное, все сработало. В С++ можно установить PCRE стиль. Все нашлось. 24 июл 2015 в 14:23
  • @Виталий пожалуйста. Я еще дописал как отменить различие регистров, ведь можно написать <SCRIPT>, хотя тут уж на ваше усмотрение.
    – RussCoder
    24 июл 2015 в 14:29
1

В итоге все получилось и ответ таков:

Надо использовать PCRE стиль регулярных выражений в с++ и использовать следующую регулярку с флагом 's':

<\s*script\s*(.*?)\s*>\s*(.*?)\s*<\s*\/script\s*>

Код на С++ выглядит следующим образом:

static const std::string regex_rule = "<\\s*script\\s*(.*?)\\s*>\\s*(.*?)\\s*<\\s*/script\\s*>";
static const boost::regex reg(regex_rule, boost::regex_constants::icase | boost::regex_constants::perl | boost::regex_constants::mod_s);

boost::cmatch result;
const char *first = &text[0];
const char *last = first + strlen(text);

boost::cregex_iterator it1(first, last, reg);
boost::cregex_iterator it1_end;

while (it1 != it1_end)
{
    cout << "\tНайдено совпадение: " << std::endl;
    result = *it1;
    if ((*it1)[1].length() != 0) cout << "\t\tИндекс 1: " << result.position(1) << ", длина: " << result.length(1) << std::endl;
    if ((*it1)[2].length() != 0) cout << "\t\tИндекс 2: " << result.position(2) << ", длина: " << result.length(2) << std::endl;
    ++it1;
}

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.