我看到人们犯的一个错误over and 再次正在尝试使用正则表达式解析 XML 或 HTML。以下是解析 XML 和 HTML 困难的一些原因:
人们希望将文件视为行序列,但这是有效的:
<tag
attr="5"
/>
人们希望将
<img src="imgtag.gif" alt="<img>" />
人们通常希望将起始标签与结束标签相匹配,但 XML 和 HTML 允许标签包含自身(传统正则表达式根本无法处理):
<span id="outer"><span id="inner">foo</span></span>
人们经常希望与文档的内容进行匹配(例如著名的“查找给定页面上的所有电话号码”问题),但数据可能会被标记(即使在查看时看起来很正常):
<span class="phonenum">(<span class="area code">703</span>)
<span class="prefix">348</span>-<span class="linenum">3020</span></span>
评论可能包含格式不正确或不完整的标签:
<a href="foo">foo</a>
<!-- FIXME:
<a href="
-->
<a href="bar">bar</a>
您还知道哪些其他问题?
这里有一些有趣的有效 XML 供您参考:
<!DOCTYPE x [ <!ENTITY y "a]>b"> ]>
<x>
<a b="&y;>" />
<![CDATA[[a>b <a>b <a]]>
<?x <a> <!-- <b> ?> c --> d
</x>
这个小小的快乐是有效的 HTML:
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd" [
<!ENTITY % e "href='hello'">
<!ENTITY e "<a %e;>">
]>
<title>x</TITLE>
</head>
<p id = a:b center>
<span / hello </span>
&<br left>
<!---- >t<!---> < -->
&e link </a>
</body>
更不用说所有特定于浏览器的无效构造解析。
祝你好运,让正则表达式与之对抗!
编辑(Jörg W Mittag):这是另一个格式良好、有效的 HTML 4.01 的好片段:
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN"
"http://www.w3.org/TR/html4/strict.dtd">
<HTML/
<HEAD/
<TITLE/>/
<P/>
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)