html-element 属性值中是否允许“>”（U+003E GREATER-THAN SIGN）？-解网

问：

换句话说，可以使用正则表达式来匹配不包含嵌套元素的 html 元素吗？/<tag[^>]*>.*?<\/tag>/tagtag

例如（lt.html）：

<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN" "http://www.w3.org/TR/html4/strict.dtd">
<html>
  <head>
    <title>greater than sign in attribute value</title>
  </head>
  <body>
    <div>1</div>
    <div title=">">2</div>
  </body>
</html>

正则表达式：

$ perl -nE"say $1 if m~<div[^>]*>(.*?)</div>~" lt.html

和屏幕刮刀：

#!/usr/bin/env python
import sys
import BeautifulSoup

soup = BeautifulSoup.BeautifulSoup(sys.stdin)
for div in soup.findAll('div'):
    print div.string


$ python lt.py <lt.html

两者都给出相同的输出：

1
">2

预期输出：

1
2

w3c 说道：

属性值是文本的混合体和字符引用，但附加限制文本不能包含不明确的符号。

HTML 正则表达式语法

我相信这是有效的，W3C 验证者也同意，但这些信息的权威来源是 ISO 8879：1986 标准，其成本为 ~150 欧元/210 美元。无论如何，对它们进行编码并没有错，因此如果有疑问，请进行编码。此外，如果使用的是基于 XML 的文档类型，则需要对序列中的大于符号进行编码。]]>

4赞 kch 9/19/2008 #5

文字在 html 内容中的任何地方都是合法的，无论是在属性值内部还是作为元素中的文本。>

2赞 Troels Thomsen 9/25/2008 #6

如果您坚持使用正则表达式（适用于基本字符串操作），请尝试使用 .它应该与属性完美匹配，因此允许您访问内部内容（尽管您需要将其放在捕获组中）。<tag((\s+\w+(\s*=\s*(?:".*?"|'.*?'|[^'">\s]+))?)+\s*|\s*)>.*?<\/tag>

你也可以使用 Html Agility Pack 来解析 HTML，如果你要进行大量的解析，我会推荐你这样做。维护大型正则表达式很容易成为令人头疼的问题，但与此同时，如果您能够这样做，它们也会更加有效。

12赞 Kornel 10/20/2008 #7

是的，这是允许的（W3C Validator 接受它，只发出警告）。

未转义，也允许在注释中，因此这种简单的正则表达式可能会被愚弄。<>

如果 BeautifulSoup 不能处理这个问题，它可能是一个错误，也可能是一个有意识的设计决策，以使其更灵活地避免属性中缺少结束引号。

上一个：css 不起作用，除非我检查样式表并进行更改

下一个：下载加速器如何工作？

html-element 属性值中是否允许“>”（U+003E GREATER-THAN SIGN）？

Is ">" (U+003E GREATER-THAN SIGN) allowed inside an html-element attribute value?

评论

评论

评论

html-element 属性值中是否允许“&gt;”（U+003E GREATER-THAN SIGN）？

Is ">" (U+003E GREATER-THAN SIGN) allowed inside an html-element attribute value?

评论

评论

评论

html-element 属性值中是否允许“>”（U+003E GREATER-THAN SIGN）？