0
我有着相似的结构化的HTML文件的目录正则表达式(给出两个例子):抓取内容与在PowerShell中
文件的1.HTML
<html>
<body>
<div class="foo">foo</div>
<div class="bar"><div><p>bar</p></div></div>
<div class="baz">baz</div>
</body>
</html>
文件的2.HTML
<html>
<body>
<div class="foo">foo</div>
<div class="bar"><div><p>apple<br>banana</p></div></div>
<div class="baz">baz</div>
</body>
</html>
我想创建一个PowerShell脚本返回bar
div的内容,从所有的HTML剥离:
对于文件1.HTML:bar
对于文件2.HTML:apple banana
我现在有:
$directory = "C:\Users\Public\Documents\Sandbox\HTML"
foreach ($file in Get-ChildItem($directory))
{
$content = Get-Content $file.fullname
$test = [regex]::matches($content, '(?i)<div class="bar">(.*)</div>')
echo $test[0]
}
然而,这<div class="bar"><div><p>bar</p></div></div><div class="baz">baz</div>
返回。换句话说,正则表达式不会停止,直到最后的</div>
。我怎么能让它只有抓在<div class="bar">
div什么?
在这里阅读一些建议:http://stackoverflow.com/a/11656434 – 2014-10-20 13:47:03