JS从字符串

-1

我试图理解这段代码的阵列提取特定字符串：JS从字符串

function extractLinks(input) { 
    var html = input.join('\n'); 
    var regex = /<a\s+([^>]+\s+)?href\s*=\s*('([^']*)'|"([^"]*)|([^\s>]+))[^>]*>/g; 
    var match; 
    while (match = regex.exec(html)) { 
     var hrefValue = match[3]; 
     if (hrefValue == undefined) { 
      var hrefValue = match[4]; 
     } 
     if (hrefValue == undefined) { 
      var hrefValue = match[5]; 
     } 
     console.log(hrefValue); 
    } 
}

通过一切手段，这是一个简单的功能，即提取所有HREF值，但只有这些，这是真正的hrefs，例如不包括被定义为class="href"的href，或者外部的A标签等。这是奇怪的这一切，问题是，我该计算产生的regex是 (<a[\s\S]*?>) 但是当我没能找到解决的办法，看着原来的一个，我发现这很长的regex 。试过这个解决方案与我的regex，它不会工作。

可以请，有人解释，我怎么解释这个长的regex。然后，匹配返回一个数组，然后。让我看看，如果我得到这个while循环的理念：

而（匹配=正则表达式是存在的字符串）{ 东西=匹配[3] /为什么3 ??? / 然后如果undefined something = match [4]， if undefined something = match [5]; }

我真的很难理解其背后这一切的机制，以及在regex逻辑。

该输入由系统生成，该系统将解析10个不同的字符串数组，但让我们用一个来测试：下面的代码被解析为字符串数组，其长度与行，每行是数组中的单独元素，并且这是该函数的参数输入。

<!DOCTYPE html> 
<html> 
<head> 
    <title>Hyperlinks</title> 
    <link href="theme.css" rel="stylesheet" /> 
</head> 
<body> 
<ul><li><a href="/" id="home">Home</a></li><li><a 
class="selected" href=/courses>Courses</a> 
</li><li><a href = 
'/forum' >Forum</a></li><li><a class="href" 
onclick="go()" href= "#">Forum</a></li> 
<li><a id="js" href = 
"javascript:alert('hi yo')" class="new">click</a></li> 
<li><a id='nakov' href = 
http://www.nakov.com class='new'>nak</a></li></ul> 
<a href="#empty"></a> 
<a id="href">href='fake'<img src='http://abv.bg/i.gif' 
alt='abv'/></a><a href="#">&lt;a href='hello'&gt;</a> 
<!-- This code is commented: 
    <a href="#commented">commentex hyperlink</a> --> 
</body>

来源

2014-11-14 Sineastra

[**所有都是我所有的失去他的朋友来**]（http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-标签） – adeneo 2014-11-14 23:25:26

获取这正则表达式是做一个了解，我已经把在线评论中this page，你可以查看。我也在这里复制它：

<a\s+   # Look for '<a' followed by whitespace 
([^>]+\s+)?  # Look for anything else that isn't 'href=' 
       # such as 'class=' or 'id=' 
href\s*=\s*  # locate the 'href=' with any whitespace around the '=' character 
(
    '([^']*)'  # Look for '...' 
|    # ...or... 
    "([^"]*)  # Look for "..." 
|    # ...or... 
    ([^\s>]+)  # Look anything NOT '>' or spaces 
) 
[^>]*>   # Match anything else up to the closing '>'

这只是打破它分开，所以你可以看到每个部分正在做什么。至于你对match的问题，我不完全理解你的问题。

来源

2014-11-14 23:37:45 OnlineCop

好吧，谢谢你的正则表达式，看看。而'while while循环的部分是，为什么我们需要数组匹配的第三个元素，如果它是未定义的，我们会选择第四个，然后是第五个。 – Sineastra 2014-11-14 23:41:16

我认为这里发生的事情是，有些“被捕获”的URL部分不需要保留。 [这一个]（http://regex101.com/r/qQ3nA9/3）有一些变化，它只捕获'href ='部分。在这种情况下，您可以在该页面的底部看到更换。 – OnlineCop 2014-11-14 23:49:50

您先生，请感谢您。 – Sineastra 2014-11-14 23:54:36

JS从字符串

回答

相关问题