文章来源于网络收集而来，版权归原创者所有，如有侵权请及时联系！

9.1 匹配标签

发布于 2024-01-20 21:40:46 字数 1062 浏览 0 评论 0 收藏 0

在开始对诗文进行匹配之前，先讨论一下如何匹配HTML或XML标签。有很多方式匹配标签，无论是起始标签（如<html>）还是结束标签（如</html>），但我找到一个比较可靠的方法。不论是否有属性，它都会匹配起始标签：

<[_a-zA-Z][^>]*>

以下是该表达式的解析。

· 第一个字符是左尖括号（<）。

· 在XML中元素可以以下划线字符（_）开头，而在HTML中是以ASCII范围中的大写或小写字母开头（参见9.6节）。

· 在起始字符之后，标签名称可以是零或多个除右尖括号（>）之外的任意字符。

· 该表达式以右尖括号结尾。

请用grep尝试下面的命令。对代码库中的示例DITA文件lorem.dita进行匹配：

grep -Eo '<[_a-zA-Z][^>]*>' lorem.dita

结果是：

<topic id="lorem">
<title>
<body>
<p>
<p>
<ul>
<li>
<li>
<li>
<p>
<p>

要同时匹配起始标签和结束标签，只需添加一个斜线并在之后加一个问号即可。问号使斜线成为可选匹配部分：

</?[_a-zA-Z][^>]*>

我只在这里讨论起始标签。为了让输入更美观，我常使用管道将结果传入其他工具程序：

grep -Eo '<[_a-zA-Z][^>]*>' lorem.dita | sort | uniq | sed 's/^</;s id=\".*\"/;s>$//'

该命令列出了排序后的一串XML标签名：

body
li
p
p
title
topic
ul

第10章也就是最后一章会更详细地讲解这些内容。接下来几节让我们温故知新。

需要登录才能够评论，你可以免费注册一个本站的账号。

列表为空，暂无数据