Question

这是不关于操纵HTML的问题。我在上一篇文章中并不清楚，所以我遵循这些建议并重新发布。

我有一个长字符串，为了可视化，可以显示为XML。我正在尝试操作代码块。此外，该问题包含一个关于构造模式时我想到的步骤的列表。问题是（也）关于我哪里出错了。

我正在尝试将标签与某些名称匹配，并使用以下代码“忽略”它们。

foreach (string ignoree in ignorees)
{
  Regex regex = new Regex("<" + ignoree + "[^>]*>.+</" + ignoree + ">");
  text = regex.Replace(text, "&");
}

这对于简单标签来说是有效的，但对于复杂的标签来说则是失败的，即这种标签中包含子节点。至少我认为这是该问题的签名，就像我所见。

我猜这与其中一个儿童标签的闭合钳有关，但我不能为我的生活看到问题。

正则表达式是这样的：

选择一个开头 - 后跟标签名称
贪婪地匹配一些或没有字符而不是尾巴
当找到颌骨时，贪婪地匹配至少一个角色
当发现端颚跟着开始钳口时，匹配标签名称
与尾颌匹配

问题是我可以匹配 cc 标记但不匹配 dd 标记。

<aa>
  <bb>
    <cc>c</cc>
    <dd>
      <ee>e</ee>
    </dd>
  </bb>
  <bb>
    <cc>c</cc>
    <dd>
      <ee>e</ee>
    </dd>
  </bb>
</aa>

<aa>
  <bb>
    &
    <dd>
      <ee>e</ee>
    </dd>
  </bb>
  <bb>
    &
    <dd>
      <ee>e</ee>
    </dd>
  </bb>
</aa>

Answer 1

如果使用延迟匹配会发生什么？

Regex regex = new Regex("<" + ignoree + "[^>]*>.*?</" + ignoree + ">");

此外，您使用多行匹配吗？

如果运行以下代码：

string text = "<aa><bb><cc>c</cc><dd><ee>e</ee></dd></bb><bb><cc>c</cc><dd><ee>e</ee></dd></bb>‌</aa> and <aa><bb>&<dd><ee>e</ee></dd></bb><bb>&<dd><ee>e</ee></dd></bb></aa>";
foreach(string ignoree in new string[] {"dd","cc"}) {
    Regex regex = new Regex("<" + ignoree + "[^>]*?>.*?</" + ignoree + ">");
    text = regex.Replace(text, "&");
}
Console.WriteLine(text);

结果是（格式化，缩进不是结果的一部分）：

<aa>
    <bb>&&</bb>
    <bb>&&</bb>‌
</aa>
and
<aa>
    <bb>&&</bb>
    <bb>&&</bb>
</aa>

正则表达式不匹配字符串的某些片段

1 个答案: