在處理草圖中使用正則表達式的幫助？

Question

我是一個開始嘗試解析處理草圖中的HTML文件的程序員。 （順便說一下，如果你不知道Processing，它會編譯成Java並使用相同的正則表達式函數）。我已經使用SimpleML將HTML文件正確地捕獲爲單個字符串。我試圖捕捉數據來自表，就像這樣：

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

等

我想候選人的姓名解析出到一個數組（去掉了「名」）。

所以我第一次嘗試

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

其返回的整個列表。

然後我試圖

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

僅返回

<th>Name</th> 

的處理文檔說：

如果有組在正規表達式（由多組括號的指定），那麼每個數組的內容將返回到數組中。正則表達式匹配的元素[0]返回整個匹配的字符串，並且匹配組從第一個元素開始（第一個組爲[1]，第二個爲[2]，依此類推）。

所以現在我一直想組和量詞的各種組合，如：

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

但必須有一些概念作品我沒有得到，因爲沒有什麼工作。似乎這應該很容易，對吧？

Answer 1

用正則表達式解析HTML通常不是一個好主意，但是你可能會在這裏得到解決。

你的問題似乎是.*貪婪地匹配，即儘可能多的字符，從而匹配字符串中的第一個<th>到最後的</th>。

讓它懶惰，我。即告訴量詞匹配儘可能少是一種解決方案：

<th>.*?</th> 

可能會工作。

一點更穩定，更快速微創：告訴正是它允許匹配，例如發動機：

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

[^<>]指「除尖括號的任何字符」。

如果您嘗試將嵌套結構與正則表達式匹配，您將遇到問題。它可以在現代正則表達式中完成，但是很難做到正確。將HTML註釋和字符串添加到混合中（可能包含您匹配的分隔符），並且您處於一個受到傷害的世界。

Answer 2

如果您希望多次匹配您的表達式，您可能需要matchAll方法。 match只希望你的模式匹配一​​次，所以只返回第一個找到的結果。

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