在HTML中查找类名的正则表达式

Question

我想使用grep来找出在一堆文件中是否使用了html类。正则表达式不仅可以找到<p class="foo">，也可以找到<p class="foo bar foo-bar">。

到目前为止我能找到类=“富”与下面这个例子中，不能使其与多类名工作：

grep -Ern "class=\"result+(\"|)" *

有什么建议？谢谢！ 迈克

Answer 1

要看什么元字符您的grep supprts，尝试：

'类= \ “（即[az] +？）+ \”'

Answer 2

怎么是这样的：

grep -Erno 'class[ \t]*=[ \t]*"[^"]+"' * 

这也将允许更多的空白，应该给你输出类似于：

1:class="foo bar baz" 
3:class = "haha" 

要查看使用的所有类，你从上面的输出可以通过管道到以下几点：

cut -f2 -d'"' | xargs | sort | uniq 

Answer 3

正则表达式解析HTML一个非常糟糕的工具。试试看simpleXML（http://php.net/manual/en/book.simplexml.php）。在HTML上滚动您自己的regEx是乞求的麻烦。

Answer 4

不要做。它会让你疯狂：RegEx match open tags except XHTML self-contained tags

而是使用HTML解析器。这并不难。

编辑：这是在PowerShell中

Get-ChildItem -Recurse *.html | where { 
    ([xml](Get-Content $_)).SelectNodes('//*') | where { $_.GetAttribute("class").Contains("foo") } 
}