ダブルクォーテーションが不完全なHTMLタグの抽出

Question

以下のようなダブルクォーテーションが値に対して片方しかないタグの抽出を正規表現でしたいと考えています。

<div class="test style=test">
<a href=http://example" style="test>

ですが以下のような「=」ありのURLなどがノイズとなってうまく抽出できません。

「https://www.youtube.com/watch?v=bbbb」

ヒントでもいいので助けをいただけたらありがたいです。
よろしくお願いします。

Comments

[Orlofsky]

URLは https://teratail.com/help/question-tips#questionTips3-7 の [リンク] に修正してください。

Answer 1

<div class="test style=test">

これは文法的に正しいのでどうしようもないでしょうね
「test」「style=test」

<style>
.test{background-Color:yellow}
.style\=test{color:red}
</style>
<div class="test style=test">div</div>

<a href=http://example" style="test>a</a>

は、文法違反なのでhref=の直後のシングル、ダブルクォートをチェックしつつ
次の空白の直前にシングル、ダブルクォートがあるかで書くにするしかないですが

<a href="" data-hoge='href=http://example" style="test'>a</a>

と書けば成立してしまうので正規表現で厳密に検出することは不可能です

Comments

[makibi5577]

パターンをそこまで詰められてませんでした。非常に参考になりました。ありがとうございます。