多行正则表达式无法匹配字符串问题求解

问题分析 #

你的正则无法匹配目标字符串，核心有两个问题：

• 正则末尾的href="rs(\d+)/缺少闭合的"，无法匹配完整的href属性内容；
• 原正则中.*和.+的贪婪匹配组合，容易过度覆盖后续需要匹配的内容，同时没有妥善处理标签间的换行与空白。

修改后的正则与代码 #

调整正则逻辑，补充必要的匹配部分，修改后的代码如下：

#!/usr/bin/env perl

use 5.036;
use warnings FATAL => 'all';
use autodie ':default';
use Devel::Confess 'color';

sub regex_test ( $string, $regex ) {
    if ($string =~ m/$regex/s) {
        say "$string matches $regex";
        say "提取到的合并目标ID: $1";
    } else {
        say "$string doesn't match $regex";
    }
}
# the HTML text is $s
my $s = '      rs577952184 was merged into
      
        <a target="_blank"
           href="rs59222162">rs59222162</a>
      
';

# 修改后的正则表达式
regex_test ( $s, 'rs\d+ was merged into.*?<a target="_blank".*?href="rs(\d+)"' );

关键修改说明 #

• 将.*改为.*?启用非贪婪匹配，避免过度覆盖后续需要匹配的标签内容；
• 补充"匹配href属性的闭合引号，确保属性内容匹配完整；
• 保留s修饰符，保证.可以匹配换行符，覆盖文本中的换行空白。

更可靠的方案：使用HTML解析库 #

不建议用正则解析HTML，HTML结构的灵活性很容易导致正则匹配失效。推荐使用Perl专业的HTML解析模块，比如Mojo::DOM：

#!/usr/bin/env perl
use 5.036;
use Mojo::DOM;
use HTML::Entities qw(decode_entities);

my $s = '      rs577952184 was merged into
      
        <a target="_blank"
           href="rs59222162">rs59222162</a>
      
';

# 先转义HTML实体，再解析DOM
my $dom = Mojo::DOM->new(decode_entities($s));
my $merged_id = $dom->at('a')->attr('href');
say "合并目标ID: $merged_id";

内容的提问来源于stack exchange，提问作者con