Regex不需要的匹配

drkbr07n 于 2023-08-08 发布在其他

关注(0)|答案(3)|浏览(84)

我有一个标量中的HTML代码。HTML代码可以包含我想要替换的某个域的URL。例如：

my $code = <<ENDCODE;
  <img src="http://server1.olddomain.com/image1.jpg">
  <img src="http://server5.otherdomain.com/image2.jpg">
  <img src="http://server2.olddomain.com/image3.jpg">
ENDCODE

字符串
URL的服务器部分可以是任何内容（所以不一定是“www”）。我希望将所有指向www.example.com的图像URL替换为olddomain.comnewdomain.com，但前提是该图像存在于newdomain.com上。所以我不能简单地直接替换，而是需要调用一个函数（执行必要的检查）。所以我想我会做这样的事情：

$code =~ s/src=\"(.+?\.olddomain\.com\/.+?)\"/URLReplace($1)/gsie;

型
URLReplace是一个执行所有检查并在必要时替换URL的函数。问题是正则表达式找到两个匹配：

http://www.olddomain.com/image1.jpg

型
和

http://www.otherdomain.com/image2.jpg">\n<img src="http://www.olddomain.com/image3.jpg

型
当然，问题是第一个.+?捕获了下一个“. olddomain.com”之前的所有内容，在第二个匹配中，它是http://www.somedomain.com/image2.jpg">\n<img src="http://www。
那么我该如何解决这个问题呢？

regex

来源：https://stackoverflow.com/questions/76851613/regex-unwanted-matches

3条答案

按热度按时间

wlsrxk511#

如果不希望.匹配换行符，请不要使用/s。
使用.通常太笼统了。如果你知道URL是用双引号括起来的，你可以用[^"]替换它：

s/src="([^"]+\.olddomain\.com\/[^"]+)"/.../

字符串

赞(0）回复(0）举报 2023-08-08

eivgtgni2#

我找到了一个解决方案：
因使用

s/src=\"(.+?\.olddomain\.com\/.+?)\"/URLReplace($1)/gsie;

字符串
我应该用

s/src=\"([^\.]+?\.olddomain\.com\/.+?)\"/URLReplace($1)/gsie;

型
不同之处在于，我现在使用[^\.]，而不是使用.（匹配任何字符），它匹配任何字符 * 但 * 点。所以它在遇到第一个点时停止匹配。

赞(0）回复(0）举报 2023-08-08

5lhxktic3#

除了正则表达式，你还可以用DOM来改变HTML。Mojo：：DOM支持CSS选择器来匹配属性中的子字符串。找到要更改的节点后，可以使用Mojo：：URL（或任何URI lib）的功能来替换主机名：

use v5.10;
use Mojo::DOM;
use Mojo::URL;

my $code = <<~'ENDCODE';
  <img src="http://server1.olddomain.com/image1.jpg">
  <img src="http://server5.otherdomain.com/image2.jpg">
  <img src="http://server2.olddomain.com/image3.jpg">
ENDCODE

my $dom = Mojo::DOM->new($code);

my $old = ".olddomain.com";
$dom->find( "img[src*=$old]" )
    ->each( sub {
        my $url = Mojo::URL->new($_->attr('src'));
        return unless $url->host =~ m/\Q$old\E\z/;
        $url->host(  $url->host =~ s/\Q$old\E\z/\.newdomain.com/r );
        $_->attr( src => $url );
        } )
    ;

say $dom;

字符串
输出显示了域的选择性更新：

<img src="http://server1.newdomain.com/image1.jpg">
<img src="http://server5.otherdomain.com/image2.jpg">
<img src="http://server2.newdomain.com/image3.jpg">

型
诀窍是每个阶段都限制了效果，这样你就不会遇到你不想改变的文本。你知道你有一个img标签，其中src有你想要的子字符串，然后你知道你只处理src值，然后你知道你只处理URL的host部分。
我有很多Mojolicious Web UserAgents中DOM解析和修改的例子。

赞(0）回复(0）举报 2023-08-08

我来回答

Regex不需要的匹配

3条答案

相关问题

热门标签

最新问答