如何通过正则表达式提取反向预查与正向预查间的纯字母字符

需求背景 #

从给定HTML代码中，定位name="logonInfo.inResponseTO"的input标签，提取其value值（_130b2c94-22ba-4584-b18a-899eb4be045d），并仅保留其中的字母字符，最终得到bcbaabebbe。你已通过正则表达式提取到完整的目标字符串，以下提供两种优化方案：

方案1：分两步处理（先提取，再过滤） #

先使用你已有的正则提取完整字符串，再通过正则匹配所有字母字符并拼接：

1. 提取完整字符串的正则（你已实现）：

(?<=name=&quot;logonInfo.inResponseTO&quot; value=&quot;_).*(?=&quot; id=&quot;sSignOnauthenticateUser)

2. 过滤字母的正则，全局匹配所有大小写字母：

[a-zA-Z]

以Python为例，代码实现：

import re

html_content = '''<input type=&quot;hidden&quot; name=&quot;logonInfo.forceAuthn&quot; value=&quot;false&quot; id=&quot;sSignOnauthenticateUser_logonInfo_forceAuthn&quot;/>\n<input type=&quot;hidden&quot; name=&quot;logonInfo.inResponseTO&quot; value=&quot;_130b2c94-22ba-4584-b18a-899eb4be045d&quot; id=&quot;sSignOnauthenticateUser_logonInfo_inResponseTO&quot;/>\n<input type=&quot;hidden&quot; name=&quot;logonInfo.issuerUrl&quot;'''

# 第一步：提取完整目标字符串
extract_regex = r'(?<=name=&quot;logonInfo.inResponseTO&quot; value=&quot;_).*(?=&quot; id=&quot;sSignOnauthenticateUser)'
target_str = re.search(extract_regex, html_content).group()

# 第二步：过滤仅保留字母
letters_only = ''.join(re.findall(r'[a-zA-Z]', target_str))
print(letters_only)  # 输出：bcbaabebbe

方案2：一步到位的正则匹配 #

通过正则的捕获组和替换逻辑，直接提取并过滤字母。以JavaScript为例：

const html = '<input type=&quot;hidden&quot; name=&quot;logonInfo.forceAuthn&quot; value=&quot;false&quot; id=&quot;sSignOnauthenticateUser_logonInfo_forceAuthn&quot;/>\n<input type=&quot;hidden&quot; name=&quot;logonInfo.inResponseTO&quot; value=&quot;_130b2c94-22ba-4584-b18a-899eb4be045d&quot; id=&quot;sSignOnauthenticateUser_logonInfo_inResponseTO&quot;/>\n<input type=&quot;hidden&quot; name=&quot;logonInfo.issuerUrl&quot;';

// 匹配目标value内容，并替换掉非字母字符
const result = html.replace(/name=&quot;logonInfo.inResponseTO&quot; value=&quot;_([^&quot;]+)&quot; id=&quot;sSignOnauthenticateUser.*/, (_, str) => str.replace(/[^a-zA-Z]/g, ''));
console.log(result);  // 输出：bcbaabebbe

内容的提问来源于stack exchange，提问作者Vincent Yong