Question

这是我another question的后续行动。我发现的解决方案对我投入的每一个测试用例都非常有用，直到出现第一次出现的情况为止。

我的目标是使用正则表达式重新格式化格式不正确的标记属性（我知道，可能不是我发现的一种万无一失的方法，但请耐心等待。）

我的职能：

Public Function ConvertMarkupAttributeQuoteType(ByVal html As String) As String
    Dim findTags As String = "</?\w+((\s+\w+(\s*=\s*(?:"".*?""|'.*?'|[^'"">\s]+))?)+\s*|\s*)/?>"
    Return Regex.Replace(html, findTags, AddressOf EvaluateTag)
End Function

Private Function EvaluateTag(ByVal match As Match) As String
    Dim attributes As String = "\s*=\s*(?:(['""])(?<g1>(?:(?!\1).)*)\1|(?<g1>\S+))"
    Return Regex.Replace(match.Value, attributes, "='$2'")
End Function

EvaluateTag函数中的正则表达式将正确转换HTML，如

<table border=2 cellpadding='2' cellspacing="1">

进入

<table border='2' cellpadding='2' cellspacing='1'>

你会注意到我强迫属性值被单引号包围 - 不用担心。它破坏的情况是 last 属性值没有任何东西。

<table width=100 border=0>

来自正则表达式替换为

<table width='100' border='0>'

最后一个单引号错误地在标记之外。在此之前我已经承认我根本不擅长正则表达式;我只是没有花时间去理解它能做的一切。所以，我要求帮助调整EvaluateTag正则表达式，以便它可以处理这个最后的情况。

谢谢！

Answer 1

第一个RegEx函数将通过EvaluateTag传递整个匹配，这是整个HTML标记。

但是EvaluateTag并没有忽略最终的大于字符...

我担心我还没有足够的咖啡因来完成整个表达，但这个调整可能有效（在字符列表中添加了大于）：

 Private Function EvaluateTag(ByVal match As Match) As String
   Dim attributes As String = "\s*=\s*(?:(['"">])(?<g1>(?:(?!\1).)*)\1|(?<g1>\S+))"
   Return Regex.Replace(match.Value, attributes, "='$2'")
 End Function

Answer 2

richardtallent对正则表达式不起作用的解释指出了我正确的方向。在玩了一下之后，EvaluateTag函数的以下替换似乎正在起作用。

任何人都可以看到有问题吗？我做的改变是在管道之后的最后一组。也许它可以进一步简化？

 Private Function EvaluateTag(ByVal match As Match) As String
   Dim attributes As String = "\s*=\s*(?:(['""])(?<g1>(?:(?!\1).)*)\1|(?<g1>[^>\s]+))"
   Return Regex.Replace(match.Value, attributes, "='$2'")
 End Function

如果没有人回应，我可能会接受这个作为答案。再次感谢！

HTML标记替换正则表达不太正常

2 个答案: