正则表达式非捕获组

Question

正则表达式专家。我需要一些帮助来从下面的 HTML 字符串中捕获 IP 地址及其状态。

$html = "<div><br>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; Active Zone : BW Zone 1[1], &nbsp;&nbsp;VIP = 192.168.254.10</div>

<div><br>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; <a href=https://192.168.254.10/checkGlobalReplicationTier>https://192.168.254.10/checkGlobalReplicationTier</a>
&nbsp;&nbsp;[ACTIVE]</div>
<div>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; <a href=https://192.168.254.10/checkReplication>https://192.168.254.10/checkReplication</a></div>
<div><br>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; <a href=https://192.168.254.11/checkGlobalReplicationTier>https://192.168.254.11/checkGlobalReplicationTier</a>
&nbsp;&nbsp;[STANDBY]</div>
<div>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; <a href=https://192.168.254.11/checkReplication>https://192.168.254.11/checkReplication</a></div>
<div><br>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; Local Zones:</div>
<div>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; LC Zone 3[3], &nbsp;&nbsp;VIP = 192.168.254.13
<div>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; <a href=https://192.168.254.13/checkReplication>https://192.168.254.13/checkReplication</a>
&nbsp;&nbsp;[ACTIVE]</div>"

[regex]::matches($html, '((\d{1,3}\.){3}\d{1,3})((?s).*?)((?<=\[)[A-z]*(?=\]))').value

上面的正则表达式能够获取 IP 和状态..但我想省略 IP 和状态之间的所有内容。我如何使用非捕获正则表达式执行此操作。

192.168.254.10  Active
192.168.254.11  Standby
192.168.254.13  Active

Answer 1

一般是a bad idea to attempt to parse HTML with regular expressions.
而是使用专用的 HTML 解析器作为 uri 的 HtmlDocument class (and the Uri class。

例子

function ParseHtml($String) {
    $Unicode = [System.Text.Encoding]::Unicode.GetBytes($String)
    $Html = New-Object -Com 'HTMLFile'
    if ($Html.PSObject.Methods.Name -Contains 'IHTMLDocument2_Write') {
        $Html.IHTMLDocument2_Write($Unicode)
    } 
    else {
        $Html.write($Unicode)
    }
    $Html.Close()
    $Html
}

$Document = ParseHtml $Html
$Document.getElementsByTagName('div') |ForEach-Object {
    if ($_.lastChild.nodeValue -match '\[(?<Status>ACTIVE|STANDBY)\]') {
        [pscustomobject]@{
            Ip     = ([Uri]$($_.getElementsByTagName('a')).href).Host
            Status = $Matches.Status
        }
    }
}

Ip             Status
--             ------
192.168.254.10 ACTIVE
192.168.254.11 STANDBY
192.168.254.13 ACTIVE

Answer 2

通常，考虑使用专用解析器进行稳健的 HTML 解析。

How do i do this with non capturing regex.

你不能，因为为了排除部分匹配的文本范围，你需要 look-around 断言（例如你尝试中的否定 look-behind 断言，例如 (?<=\[))，但这些反过来会阻止您消耗跨度中不需要的部分。

而是使用两个捕获组并按如下方式访问它们：

[regex]::Matches(
  $html, 
  '(?s)((?:\d{1,3}\.){3}\d{1,3}).+?\[([A-Z]+)\]'
 ) | ForEach-Object { 
   [pscustomobject] @{ 
     Ip = $_.Groups[1].Value
     Status = $_.Groups[2].Value
   } 
 }

这导致以下显示输出：

Ip             Status
--             ------
192.168.254.10 ACTIVE
192.168.254.11 STANDBY
192.168.254.13 ACTIVE

正则表达式非捕获组

Regex non capturing group

regex

powershell

powershell-4.0