Как исключить подгруппу из группы в регулярном выражении?

Question

[Chvanikoff]

Есть строка:
<Н1 class="class1 class2">qweqweqwe</Н1>
и есть регулярка вида
(<Н1.*?>.*?</Н1>)
как ее изменить таким образом, чтобы в результате в группу попало только
<Н1>qweqweqwe</Н1>
То есть — выкинуть то, что будет «захвачено» первыми ".*?"

Важное доп. условие, из-за которого я не разбил группу на несколько: группа в итоге должна быть только одна — особенности архитектуры…

Answer 1

[Meliborn]

Регулярки и хтмл, хтмл и регулярки…
stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags/1732454#1732454

Comments

[Optik]

Это все верно в плане парсинга хтмл, но не стоит это распространять на поиск пары строк хтмл.

Answer 2

[himik]

может я чего не понимаю ибо поздно, но <Н1.*?>(.*?)</Н1> заменять на <Н1>$1</Н1> не оно?

Answer 3

[elDraco]

я думаю Вам нужно это (<Н1(?:.*?)>.*?</Н1>)

Comments

[elDraco]

(?:X) это non-capturing group

[Optik]

?: группа которая не участвует в группировке (\1 \2 и тд.), а из найденной строки она не исключается.

[elDraco]

Да промахнулся) Чтобы выбрать группу без вложенных элементов думаю не прокатит, но что мешает выбирать те фрагменты, которые нужно удалить, и заменять на пустую строку?
(?<=<Н1)(.*?)(?=>.*?</Н1>) выбирает только " class=\«class1 class2\»" и если прогнать через джавовский replaceAll(), например, то получим вроде как именно то, что хотим.
Такой вариант не рассматривали?

Answer 4

[Аркадий]

Вы ведь получается ее и ищете, как ее исключишь?

Comments

[Chvanikoff]

ну вообще я ищу то, что между тегами. Но, в силу специфики задачи, мне также надо добавить окружающий тег без аттрибутов

[Аркадий]

На питоне бы это решилось так

['<%s>%s<%s>' % row for row in re.compile(u'<(H1)[^>]*>(.*?)<(\/H1)>', re.S).findall(s)]

[Chvanikoff]

Я прекрасно понимаю, что это можно решить средствами конкретного языка, но все же вопрос я задал в поиске решения средствами самого регекспа.

[Аркадий]

Тогда ответ как и первый — решения нет.

Answer 5

[Evengard]

А не легче уже вручную аппенднуть нужное?

Comments

[Chvanikoff]

Легче. Если бы это было возможно в рамках задачи — вопроса бы не стояло.

Answer 6

[YourChief]

а почему бы вам не разбить выражение на три разные группы и вставлять первую и третью?

Comments

[Chvanikoff]

Потому что у меня множество шаблонов регулярок и нужно унифицировать возвращаемые данные, чтобы не писать лишнюю обертку-адаптер. Это тот редкий случай, когда микросекунды критичны.

[YourChief]

и что, ваши регулярки хранятся в памяти все откомпилированные, а код программы на си/джаве? если нет, то тогда вы экономите на спичках и нежелание пересматривать архитектуру обусловлено ленью

Answer 7

[Genji]

Из регулярки (<Н1).*?(>.*?Н1>) сформировать результат $1$2, если я правильно всё понял.