Regex: Wählen Sie die HTML-Klasse aus, die das Wort nicht enthält

Question

Ich möchte alle Dateien finden, in denen es keine Klasse gibt, die das Wort „neculaifantaru“ enthält.

Ich habe diese beiden gleichen HTML-Klassen:

<p class="mb-40px">I must go home, but I don't know the road.</p>
<p class="mb-40px">I love myself , because I love nature.</p>
<p class="mb-40px">Cercetare estetică, care poartă <a href="https://neculaifantanaru.com/en/qualities-of-a-leader.html" class="color-bebe" target="_new">lumina artei</a> sinestezice</p>

Die Ausgabe muss sein:

<p class="mb-40px">I must go home, but I don't know the road.</p>
<p class="mb-40px">I love myself , because I love nature.</p>

Mein regulärer Ausdruck ist nicht sehr gut:

(?-si:<p class="mb-40px">|(?!\A)\G)(?s-i:(?!</p>).)*?\K(?-si:?!neculaifantanaru)

In Python ist das einfach. Aber ich brauche einen regulären Ausdruck, um dasselbe zu tun:

import os
import re

# Calea către directorul în care doriți să căutați
cale_director = 'g:/1/GATA ro'

# Parcurgeți toate fișierele din director
for nume_fisier in os.listdir(cale_director):
    cale_fisier = os.path.join(cale_director, nume_fisier)

    # Deschideți fiecare fișier și citiți conținutul acestuia
    with open(cale_fisier, 'r') as fisier:
        continut = fisier.read()

        # Căutați toate tagurile <p class="mb-40px">.*?</p>
        taguri_p = re.findall(r'<p class="mb-40px">(.*?)</p>', continut, re.DOTALL)

        # Verificați dacă există vreun tag care conține cuvântul "neculaifantanaru"
        tag_cu_neculaifantanaru = any('neculaifantanaru' in tag for tag in taguri_p)

        # Verificați dacă nu există niciun tag care să conțină cuvântul "neculaifantanaru"
        if not tag_cu_neculaifantanaru:
            print(f'Fișierul "{nume_fisier}" nu conține niciun tag <p class="mb-40px"> care să includă cuvântul "neculaifantanaru".')

Answer 1

Probieren Sie es aus, es funktioniert.

FINDEN: (?s)\A(?!.*(neculaifantanaru).*$)

<p class="mb-40px">...Wenn es nicht notwendig ist, zwischen und zu integrieren</p>

Answer 2

• Ctrl+H
• Finde was:<p class="mb-40px">(?:(?!</p>).)*neculaifantanaru.*?</p>\R?
• Ersetzen mit:LEAVE EMPTY
• TICK Umwickeln
• WÄHLEN Regulären Ausdruck
• TICK . matches newline
• Replace all

Erläuterung:

<p class="mb-40px">     # literally
(?:                     # non capture group
    (?!                     # negative lookahead, make sure we haven't </p> after
        </p>                    # literally
    )                       # end lookahead
    .                       # any character
)*                      # end group, may appear 0 or more times
neculaifantanaru        # literally
.*?                     # 0 or more any character, not greedy
</p>                    # literally
\R?                     # optional line break

Screenshot (vorher):

Screenshot (nachher):