在处理草图中使用正则表达式的帮助？

Question

我是一个开始尝试解析处理草图中的HTML文件的程序员。 （顺便说一下，如果你不知道Processing，它会编译成Java并使用相同的正则表达式函数）。我已经使用SimpleML将HTML文件正确地捕获为单个字符串。我试图捕捉数据来自表，就像这样：

<th>Name</th> 
    <th>John F. Kennedy</th> 
    <th>Lyndon Johnson</th> 
    <th>Richard Nixon</th> 

等

我想候选人的姓名解析出到一个数组（去掉了“名”）。

所以我第一次尝试

candidates = match(rawString,"<th>.*</th>"); 

其返回的整个列表。

然后我试图

candidates = match(rawString,"<th>.{1,50}</th>"); 

仅返回

<th>Name</th> 

的处理文档说：

如果有组在正规表达式（由多组括号的指定），那么每个数组的内容将返回到数组中。正则表达式匹配的元素[0]返回整个匹配的字符串，并且匹配组从第一个元素开始（第一个组为[1]，第二个为[2]，依此类推）。

所以现在我一直想组和量词的各种组合，如：

candidates = match(rawString,"(<th>.{1,50}</th>)*"); 

但必须有一些概念作品我没有得到，因为没有什么工作。似乎这应该很容易，对吧？

Answer 1

用正则表达式解析HTML通常不是一个好主意，但是你可能会在这里得到解决。

你的问题似乎是.*贪婪地匹配，即尽可能多的字符，从而匹配字符串中的第一个<th>到最后的</th>。

让它懒惰，我。即告诉量词匹配尽可能少是一种解决方案：

<th>.*?</th> 

可能会工作。

一点更稳定，更快速微创：告诉正是它允许匹配，例如发动机：

<th>[^<>]*</th> 

[^<>]指“除尖括号的任何字符”。

如果您尝试将嵌套结构与正则表达式匹配，您将遇到问题。它可以在现代正则表达式中完成，但是很难做到正确。将HTML注释和字符串添加到混合中（可能包含您匹配的分隔符），并且您处于一个受到伤害的世界。

Answer 2

如果您希望多次匹配您的表达式，您可能需要matchAll方法。 match只希望你的模式匹配一​​次，所以只返回第一个找到的结果。

http://www.processing.org/reference/matchAll_.html