Regex: seleccione la clase html que no contiene la palabra

Regex: seleccione la clase html que no contiene la palabra

Quiero encontrar todos los archivos en los que no hay ninguna clase que contenga la palabra "neculaifantaru".

Tengo estas 2 mismas clases html:

<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>

La salida debe ser:

<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>

Mi expresión regular no es muy buena:

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

En Python es fácil. Pero necesito una expresión regular para hacer lo mismo:

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".')

Respuesta1

Prueba esto, funciona.

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

...Si no es necesario integrarse entre <p class="mb-40px">y</p>

Respuesta2

  • Ctrl+H
  • Encontrar que:<p class="mb-40px">(?:(?!</p>).)*neculaifantanaru.*?</p>\R?
  • Reemplazar con:LEAVE EMPTY
  • GARRAPATA Envolver alrededor
  • SELECCIONAR Expresión regular
  • GARRAPATA . matches newline
  • Replace all

Explicación:

<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

Captura de pantalla (antes):

ingrese la descripción de la imagen aquí

Captura de pantalla (después):

ingrese la descripción de la imagen aquí

información relacionada