Question

我有以下字符串，我尝试了许多正则表达式来删除标记文本之间的逗号，但没有找到任何用于删除标记文本之间逗号的正则表达式。我希望，只要标签内的文字有逗号，就会被空字符串替换。

<a href="#" class="main">Getty Center, Restaurant at the</a>

我试过这个正则表达式但它不起作用，这里输入的是包含html的字符串。

input = Regex.Replace(input, @"<a(\s+[^>]*)?>[^\w\s]</a(\s+[^>]*)?>", "");

请帮帮我。谢谢

Answer 1

我建议使用HTML解析器。有很多可用的开源和免费。我找到的最好的一个是HTMLAgilityPack

的HTMLAgilityPack

Some Examples的一些例子简而言之，以下代码段将为您提供所有标记

HtmlDocument myDoc = new HtmlDocument();
myDoc.Load(path);

HtmlNodeCollection imgs = new HtmlNodeCollection(myDoc.DocumentNode.ParentNode);
imgs = myDoc.DocumentNode.SelectNodes("//img");

希望有所帮助

Answer 2

您可以使用正则表达式查找和修改标签的内容，如此。

var input = "<a href=\"#\" class=\"main\">Getty Center, Restaurant at the</a>";
var regex = new Regex(@"<a[^>]*>(?<content>.*?)</a[^>]*>",
                      RegexOptions.Singleline);
var match = regex.Match(input);
while (match.Success) {
    var group = match.Groups["content"];
    input = input.Substring(0, group.Index)
            + group.Value.Replace(",", "")
            + input.Substring(group.Index + group.Length);
    match = regex.Match(input, group.Index);
};

循环适用于在同一个字符串中捕获多个标记。然而，正则表达式相当天真。它会混淆嵌套在A标记内的标记，如果>位于任何属性中，它将无法解析。（尽管这可能是糟糕的HTML。）出于这个原因，建议使用正确的HTML解析器。

Answer 3

如果要直接使用替换，则必须仅匹配逗号，而不是逗号之前或之后的文本。您必须使用前瞻并查看后面以检查逗号是否在标记中。虽然这是可行的，但不建议这样做。

另一种方法是使用匹配组来匹配标记中的整个文本，并将逗号分组（如果存在）并替换匹配。

<a[^>]+>[\w\s]*(,?)[\w\s]*<\/a>

第一个捕获组会捕获逗号（如果存在）。你可以在这里测试一下。 [http://rubular.com/r/K2jjIaObty][1]

最好的选择是使用html解析器捕获a标记的内容，搜索逗号并替换。

用于删除<a> tag text C#</a>之间逗号的正则表达式

3 个答案: