Bài viết này là bài thứ ba trong loạt bài viết về thực thi biểu thức chính quy bằng cách sử dụng tệp thực thi

people
people
people

people
people
people

people
people
people

Bài viết đầu tiên trong loạt bài này đã mô tả kiến ​​thức cơ bản về cách sử dụng siêu ký tự và ký tự thông thường để tạo biểu thức chính quy. Phần thứ hai đã thảo luận về cách làm việc với bộ định lượng, tập hợp mẫu, nhóm và ranh giới từ trong biểu thức chính quy. Bài viết này sử dụng các tính năng được mô tả trong các bài viết trước, cùng với các tính năng mới, để khớp và lọc nội dung trong tệp HTML

So khớp và truy xuất văn bản từ HTML là một nhiệm vụ phổ biến đối với nhiều chuyên gia CNTT, đặc biệt khi khắc phục sự cố trong các trang web. Do đó, có thể áp dụng các biểu thức chính quy cho các tệp HTML là một kỹ năng hữu ích

Bài viết sử dụng

people
people
people

Bài viết này được chia thành ba phần. Phần đầu tiên chỉ cho bạn cách tạo các biểu thức chính quy thực thi đối với một tệp HTML. Phần thứ hai chỉ cho bạn cách làm việc với nhiều tệp HTML. Phần cuối chỉ cho bạn cách sử dụng tiện ích dòng lệnh đặc biệt có tên pcre2grep để thực thi các biểu thức chính quy đối với văn bản được phân tách thành nhiều dòng trong một hoặc nhiều tệp HTML

Ký tự thông thường so với siêu ký tự

Một ký tự thông thường đại diện cho chính nó trong văn bản bạn đang tìm kiếm. Ví dụ bao gồm các chữ cái

$ grep -Po '@.*people' regex-content-01.html

$ grep -Po '@.*people' regex-content-01.html

$ grep -Po '@.*people' regex-content-01.html

$ grep -Po '@.*people' regex-content-01.html

$ grep -Po '@.*people' regex-content-01.html

Siêu ký tự đại diện cho một nhóm ký tự hoặc các khía cạnh khác của tìm kiếm. Bạn có thể nghĩ về một siêu ký tự như một biểu tượng giữ chỗ. Ví dụ: ký tự phụ

$ grep -Po '@.*people' regex-content-01.html

$ grep -Po '@.*people' regex-content-01.html

Chạy các biểu thức chính quy bằng cách sử dụng grep đối với một tệp HTML

Trong phần này, bạn sẽ thấy nhiều biểu thức chính quy được thực thi đối với một tệp HTML. Nội dung HTML được sử dụng để trình diễn như sau. Lưu trữ nội dung trong một tệp có tên

$ grep -Po '@.*people' regex-content-01.html

      
Interesting People
            

                  
Mick Jagger
[email protected]
                  
Joan Jett
[email protected]
                  
John Lennon
[email protected]
                  
Duck Dunn
[email protected]
            
      
Uninteresting People
            

                  
John Doe
[email protected]
                  
Jane Doe
[email protected]
                  
Uninteresting Person
[email protected]
            

Định dạng để sử dụng grep đối với một tệp

Định dạng để sử dụng

people
people
people

$ grep -Po  

Các yếu tố của cú pháp như sau

• people
  people
  people

  6 là tệp thực thi nhị phân

• @uninterestingpeople
  @uninterestingpeople
  @uninterestingpeople

  0 chứa các tùy chọn được chuyển đến

  people
  people
  people

  6. Tùy chọn

  @uninterestingpeople
  @uninterestingpeople
  @uninterestingpeople

  2 diễn giải biểu thức chính quy dưới dạng biểu thức chính quy Perl. Tùy chọn

  @uninterestingpeople
  @uninterestingpeople
  @uninterestingpeople

  3 làm cho

  people
  people
  people

  6 chỉ xuất ra văn bản phù hợp, không phải toàn bộ dòng chứa nó

• @uninterestingpeople
  @uninterestingpeople
  @uninterestingpeople

  5 là biểu thức chính quy để thực thi

• @uninterestingpeople
  @uninterestingpeople
  @uninterestingpeople

  6 là vị trí của tệp mục tiêu trong hệ thống tệp của máy tính, chẳng hạn như

  @uninterestingpeople
  @uninterestingpeople
  @uninterestingpeople

  7. Nếu bạn cung cấp một tên tệp đơn giản mà không có đường dẫn, thì nó đề cập đến một tệp trong thư mục làm việc hiện tại

Các phần phụ sau khớp với các dòng riêng lẻ trong một tệp

Khớp các lần xuất hiện của một chuỗi bằng các ký tự thông thường

Ví dụ sau khớp với các lần xuất hiện của một tập hợp các ký tự thông thường trong tệp HTML có tên

$ grep -Po '@.*people' regex-content-01.html

@uninterestingpeople
@uninterestingpeople
@uninterestingpeople

$ grep -Po 'people' regex-content-01.html

Logic mà biểu thức chính quy thực thi như sau. Khớp bất kỳ sự xuất hiện nào của các ký tự thông thường

@uninterestingpeople
@uninterestingpeople
@uninterestingpeople

$ grep -Po '@.*people' regex-content-01.html

đầu ra là

people
people
people

Kết hợp các lần xuất hiện của một chuỗi bằng cách sử dụng siêu ký tự và ký tự thông thường

Ví dụ sau khớp với các lần xuất hiện của một tập hợp các siêu ký tự và ký tự thông thường trong

$ grep -Po '@.*people' regex-content-01.html

$ grep -Po '@.*people' regex-content-01.html

Logic mà biểu thức chính quy thực thi như sau. Trong tệp

$ grep -Po '@.*people' regex-content-01.html

$ grep -Po '@.*people.*\.com' regex-content-01.html

$ grep -Po '@.*people.*\.com' regex-content-01.html

@uninterestingpeople
@uninterestingpeople
@uninterestingpeople

đầu ra là

@uninterestingpeople
@uninterestingpeople
@uninterestingpeople

Một phiên bản mở rộng của ví dụ trước là

$ grep -Po '@.*people.*\.com' regex-content-01.html

Logic mà biểu thức chính quy thực thi như sau. Trong tệp

$ grep -Po '@.*people' regex-content-01.html

$ grep -Po '@.*people.*\.com' regex-content-01.html

$ grep -Po '@.*people.*\.com' regex-content-01.html

@uninterestingpeople
@uninterestingpeople
@uninterestingpeople

$ grep -Po '@.*people.*\.com' regex-content-01.html

@uninterestingpeople.com
@uninterestingpeople.com
@uninterestingpeople.com

@uninterestingpeople.com
@uninterestingpeople.com
@uninterestingpeople.com

$ grep -Po '@.*people' regex-content-01.html

@uninterestingpeople.com
@uninterestingpeople.com
@uninterestingpeople.com

$ grep -Po '@.*people' regex-content-01.html

đầu ra là

@uninterestingpeople.com
@uninterestingpeople.com
@uninterestingpeople.com

Khớp không phân biệt chữ hoa chữ thường bằng cách sử dụng siêu ký tự và ký tự thông thường

Ví dụ sau minh họa cách chạy

people
people
people

@uninterestingpeople.com
@uninterestingpeople.com
@uninterestingpeople.com

people
people
people

@uninterestingpeople.com
@uninterestingpeople.com
@uninterestingpeople.com

Trong trường hợp này, biểu thức chính quy trả về bất kỳ dòng nào khớp với các ký tự thông thường

$ grep -Poi '.*mick jagger.*' regex-content-01.html

$ grep -Poi '.*mick jagger.*' regex-content-01.html

Logic mà biểu thức chính quy thực thi như sau. Trong tệp regex-content-01. html, khớp với bất kỳ dòng nào không có hoặc nhiều lần xuất hiện của bất kỳ ký tự nào (

$ grep -Po '@.*people.*\.com' regex-content-01.html

$ grep -Poi '.*mick jagger.*' regex-content-01.html

$ grep -Po '@.*people.*\.com' regex-content-01.html

Kết quả là như sau.  

Mick Jagger
[email protected]

Đối sánh các thực thể danh sách HTML

Ví dụ sau tìm kiếm các dòng văn bản khớp với một chuỗi bắt đầu bằng thẻ

$ grep -Poi '.*mick jagger.*' regex-content-01.html

$ grep -Poi '.*mick jagger.*' regex-content-01.html

$ grep -Po  

Logic mà biểu thức chính quy thực thi như sau. Trong tệp

$ grep -Po '@.*people' regex-content-01.html

$ grep -Poi '.*mick jagger.*' regex-content-01.html

$ grep -Po '@.*people.*\.com' regex-content-01.html

$ grep -Poi '.*mick jagger.*' regex-content-01.html

đầu ra là

$ grep -Po  

Khớp các lần xuất hiện của một chuỗi trong thẻ HTML theo một loạt giá trị ID

Ví dụ sau định nghĩa một lớp ký tự khai báo một dãy các chữ số khớp với thuộc tính

Mick Jagger
[email protected]

Mick Jagger
[email protected]

$ grep -Po  

Logic mà biểu thức chính quy thực thi như sau. Trong tệp

$ grep -Po '@.*people' regex-content-01.html

Mick Jagger
[email protected]

Mick Jagger
[email protected]

Mick Jagger
[email protected]

$ grep -Po '@.*people.*\.com' regex-content-01.html

$ grep -Poi '.*mick jagger.*' regex-content-01.html

đầu ra là

$ grep -Po  

Làm việc với nhiều tệp HTML

Các ví dụ sau minh họa cách thực thi các biểu thức chính quy đối với nhiều tệp HTML. Nếu bạn muốn có kinh nghiệm thực tế khi làm việc với các ví dụ trong phần này, hãy sao chép và dán mã HTML sau vào một tệp có tên

Mick Jagger
[email protected]

$ grep -Po '@.*people' regex-content-01.html

$ grep -Po  

Các định dạng để sử dụng grep đối với nhiều tệp

Định dạng để sử dụng

people
people
people

$ grep -Po  

Các yếu tố của cú pháp như sau

• people
  people
  people

  6 là tệp thực thi nhị phân

• @uninterestingpeople
  @uninterestingpeople
  @uninterestingpeople

  0 chứa các tùy chọn được chuyển đến

  people
  people
  people

  6. Tùy chọn

  @uninterestingpeople
  @uninterestingpeople
  @uninterestingpeople

  2 diễn giải biểu thức chính quy dưới dạng biểu thức chính quy Perl. Tùy chọn

  @uninterestingpeople
  @uninterestingpeople
  @uninterestingpeople

  3 làm cho

  people
  people
  people

  6 chỉ xuất ra văn bản phù hợp, không phải toàn bộ dòng chứa nó

• @uninterestingpeople
  @uninterestingpeople
  @uninterestingpeople

  5 là biểu thức chính quy để thực thi

• $ grep -Po  

  09,

  $ grep -Po  

  10 và

  $ grep -Po  

  11 là các tệp mục tiêu khác nhau trong hệ thống tệp của máy tính

Định dạng để sử dụng

people
people
people

$ grep -Po  

$ grep -Po  

$ grep -Po  

$ grep -Po  

Khai báo sau tìm tất cả các tệp bắt đầu bằng ký tự

$ grep -Po  

$ grep -Po  

$ grep -Po  

$ grep -Po  

Các phần phụ sau khớp với các dòng riêng lẻ trong nhiều tệp

Khớp một chuỗi ký tự thông thường trên nhiều tệp HTML

Ví dụ sau khớp với tất cả các chuỗi ký tự thông thường

$ grep -Po  

$ grep -Po  

$ grep -Po  

Logic mà biểu thức chính quy thực thi như sau. Khớp bất kỳ sự xuất hiện nào của các ký tự thông thường

$ grep -Po  

$ grep -Po  

đầu ra là

$ grep -Po 'people' regex-content-01.html

Khớp các dòng văn bản trên nhiều tệp HTML theo siêu ký tự và ký tự thông thường

Lệnh sau khớp với một chuỗi cộng với tất cả văn bản xung quanh trên cùng một dòng

$ grep -Po 'people' regex-content-01.html

Logic mà biểu thức chính quy thực thi như sau. Trong tất cả các tệp trong thư mục hiện tại có tên tệp kết thúc bằng phần mở rộng

$ grep -Po  

$ grep -Po '@.*people.*\.com' regex-content-01.html

$ grep -Po  

Kết quả là như sau

$ grep -Po 'people' regex-content-01.html

Khớp các lần xuất hiện của các ký tự trong thẻ HTML trên nhiều tệp HTML

Ví dụ sau đây tìm tất cả các ký tự giữa các thẻ HTML

$ grep -Poi '.*mick jagger.*' regex-content-01.html

$ grep -Poi '.*mick jagger.*' regex-content-01.html

$ grep -Po  

$ grep -Po 'people' regex-content-01.html

Logic mà biểu thức chính quy thực thi như sau. Trong tất cả các tệp trong thư mục hiện tại có tên tệp kết thúc bằng phần mở rộng

$ grep -Po  

$ grep -Poi '.*mick jagger.*' regex-content-01.html

$ grep -Po '@.*people.*\.com' regex-content-01.html

$ grep -Poi '.*mick jagger.*' regex-content-01.html

đầu ra là

$ grep -Po 'people' regex-content-01.html

Khớp các lần xuất hiện của các ký tự cụ thể trong thẻ HTML trên nhiều tệp HTML

Lệnh sau tìm các thực thể

$ grep -Poi '.*mick jagger.*' regex-content-01.html

$ grep -Po  

$ grep -Po 'people' regex-content-01.html

Logic mà biểu thức chính quy thực thi như sau. Trong tất cả các tệp trong thư mục hiện tại có tên tệp kết thúc bằng phần mở rộng

$ grep -Po  

$ grep -Poi '.*mick jagger.*' regex-content-01.html

$ grep -Po '@.*people.*\.com' regex-content-01.html

đầu ra là

$ grep -Po 'people' regex-content-01.html

Làm việc trên nhiều dòng HTML

Một trong những thiếu sót của lệnh

people
people
people

Mick Jagger
[email protected]

$ grep -Po 'people' regex-content-01.html

Biểu thức chính quy sau đây trong lệnh

people
people
people

$ grep -Po  

people
people
people

$ grep -Po  

$ grep -Po 'people' regex-content-01.html

Các phương ngữ khác của biểu thức chính quy, chẳng hạn như các phương ngữ được tìm thấy trong JavaScript, Java, PHP và C#, có thể hoạt động với ngắt dòng, nhưng

people
people
people

$ grep -Po  

Cài đặt pcre2grep

Tệp thực thi

$ grep -Po  

Chạy các lệnh sau để cài đặt

$ grep -Po  

$ grep -Po 'people' regex-content-01.html

Chạy các lệnh sau để cài đặt

$ grep -Po  

people
people
people

Khi bạn đã cài đặt

$ grep -Po  

Tìm nội dung giữa các thẻ HTML được xác định trên hai dòng

Ví dụ sau sử dụng

$ grep -Po  

$ grep -Po  

$ grep -Po  

Ví dụ sử dụng các tùy chọn

$ grep -Po  

$ grep -Po  

$ grep -Po  

$ grep -Po  

$ grep -Po  

people
people
people

Logic mà biểu thức chính quy thực thi như sau. Khớp nội dung trong bất kỳ tệp nào trong thư mục hiện tại có phần mở rộng là

$ grep -Po  

$ grep -Po  

$ grep -Po '@.*people.*\.com' regex-content-01.html

$ grep -Po  

$ grep -Po '@.*people.*\.com' regex-content-01.html

$ grep -Po  

đầu ra là

people
people
people

Ví dụ hiển thị ở trên chỉ khớp với một ngắt dòng. Biểu thức chính quy sẽ không tìm thấy kết quả phù hợp nếu nội dung bao gồm các thẻ

$ grep -Po  

$ grep -Po  

people
people
people

Cách giải quyết vấn đề là sử dụng siêu ký tự (

$ grep -Po  

$ grep -Po '@.*people' regex-content-01.html

Tìm nội dung giữa các thẻ danh sách không có thứ tự trong tệp HTML bằng cách sử dụng (?s)

Ví dụ sau đây thêm các siêu ký tự (

$ grep -Po  

$ grep -Po '@.*people' regex-content-01.html

people
people
people

Logic mà biểu thức chính quy thực thi như sau. Khớp nội dung trong bất kỳ tệp nào trong thư mục hiện tại có phần mở rộng là

$ grep -Po  

$ grep -Po '@.*people' regex-content-01.html

$ grep -Po  

$ grep -Po  

$ grep -Po  

$ grep -Po  

đầu ra là

people
people
people

Để tất cả chúng cùng nhau

Lọc nội dung trong tệp HTML là một kỹ năng hữu ích cho bất kỳ chuyên gia CNTT nào làm việc trên web. Cho dù bạn là nhà phát triển giao diện người dùng đang cố gắng gỡ lỗi một trang web hoạt động sai hay quản trị viên hệ thống đang tìm kiếm các từ hoặc cụm từ cụ thể trong các thư mục chứa đầy các tệp HTML, thì việc có thể thực thi các biểu thức chính quy bằng cách sử dụng

people
people
people

$ grep -Po  

Các kỹ thuật được đề cập trong bài viết này chỉ là phần giới thiệu. Còn rất nhiều thứ để học. Tuy nhiên, những điều cơ bản được trình bày ở đây sẽ cung cấp một nền tảng vững chắc để giúp bạn tiến lên trong hành trình hướng tới việc thành thạo các biểu thức chính quy

Bạn có thể sử dụng regex trong tài liệu HTML không?

Regex trong HTML là gì?

Tại sao không sử dụng regex cho HTML?

*$ nghĩa là gì trong regex?