К примеру, у нас есть следующий html-код:
<html>
<head>
<caption>Hello!</caption>
</head>
<body>
<div class="nameCl">
Block Content
</div>
<p>Text</p>
<i name="nameI" size = "2" with=6>Content</i>
</body>
</html>
Как можно с помощью регулярных выражений получить содержание оперделенного тэга, указав его имя в этом выражении. Имена тэгов в файле зарание известны и могут передваться в качестве строки или параметра функции, которая и будет осуществлять выборку. К примеру, если я хочу получить содержимое тэга html, то результат выполнения регулярки должен быть следующим:
<head>
<caption>Hello!</caption>
</head>
<body>
<div class="nameCl">
Block Content
</div>
<p>Text</p>
<i name="nameI" size = "2" with=6>Content</i>
</body>
Для тэга body результат должен быть таким:
<div class="nameCl">
Block Content
</div>
<p>Text</p>
<i name="nameI" size = "2" with=6>Content</i>
и тд. Я попробовал решить эту задачу, написав следующее регулярное выражение:
<html>([\w\s]*)<\/html>
Однако, я не получил необходимый результат. Далее, попробовал еще один способ:
<.+>\s*(.+)\s*<\/.+>
В целом, результат получился почти необходимым, однако, если делать выборку содержимого тэга html, то результат будет таким:
<head>
<caption>Hello!</caption>
</head>
<div class="nameCl">
Block Content
</div>
<p>Text</p>
<i name="nameI" size = "2" with=6>Content</i>
</body>
т.е. нет начального тэга .
EDIT
Реализация второго способа выглядит вот так:
std::regex m_RegexValue("<.+>\\s*(.+)\\s*<\\/.+>")
std::vector<std::string> result {};
try
{
std::sregex_iterator next(userData.begin(), userData.end(), m_RegexValue);
std::sregex_iterator end;
while (next != end)
{
result.push_back(std::smatch(*next).str());
++next;
}
}
catch (const std::regex_error& e)
{
std::cout << e.what() << std::endl;
}
Как можно это исправить и получить желаемый результат, т.е. чтобы по имени тэга получить все его содержимое?
UPDATE
После того, как принял советы, которые мне здесь подсказали, возникла потребность выбрать не всё содержимое родительского тега, а лишь чистый текст/контент, без остальных дочерних тегов. Т.е. к примеру, есть следующее содержимое html-страницы:
<html>
<head>
<caption>Hello!</caption>
</head>
Some content/data/text
<body>
<div class="nameCl">
Block Content
</div>
<p>Text</p>
<i name="nameI" size = "2" with=6>Content</i>
</body>
</html>
Как можно выбрать только Some content/data/text? Данная проблема возникла потому, что в некоторых случаях нужно выбирать абсолютно все содержимое родительского тега, а в других - только чистый текст/контент родительского тега.
std::regex
никак - нет поддержки рекурсии.R"(<(html)>([\w\W]*?)</\1>)"
не сработает для вложенных тегов.m_RegexValue("<([a-zA-Z_][\\w.-]*)[^>]*>\\s*([\\w\\W]*?)\\s*</\\1>")