Question

所有

我需要编写正则表达式来执行以下操作替换

（A）

src ="/folder/image.jpg"

或

src="http://www.mydomain.com/folder/image.jpg"

带

src="/cache/getCacheItem.aspx?source_url=http://www.mydomain.com/folder/image.jpg"

（B）

href="/folder/file.zip"

或

href="http://www.mydomain.com/folder/file.zip"

与

href="/cache/getCaccheItem.aspx?source_url=http://www.mydomain.com/folder/file.zip

我知道我可以使用

(src|href).*?=['|\"](?<url>.*?)['|\"]

的替换值为

$1="/legacy_integration/cache/getCacheItem.aspx?source_url=$2"

捕获src = ...和href = ...属性。但是，我需要根据文件扩展名进行过滤 - 只匹配有效的图像扩展名，如jpg，png，gif，并且只匹配像zip和pdf这样的href扩展名。

有什么建议吗？该问题可归纳为：修改上述表达式以仅匹配特定文件扩展名，并仅在原始网址为亲属时才允许插入域 http://www.mydomain.com/ ，从而确保输出文本只包含一次域。

我是否需要使用两个不同的正则表达式执行此操作，一个用于源文本，包括域，一个不包含？或者我可以以某种方式使用条件匹配语句，结合替换表达式，将根据匹配的文本是否包含域来插入域？

我知道我可以使用自定义匹配评估器来执行此操作，但似乎在正则表达式本身内执行它可能更快/更有效。

建议/评论

Answer 1

这一直出现。 Regex不是解析非常规语法（如HTML）的合适工具。使用真正的解析器（如HTML agility pack）来执行此操作。

Answer 2

以下表达式是否有效？

Regex.Replace(url, 
@"(src|href)\s*=\s*(?:'|")((?:http://www\.mydomain\.com)?.*?(jpg|bmp|png))(?:'|")",
"$1 - /cache/getCacheItem.aspx?source_url=$2");

您的想法是有条件地匹配文字http://www.mydomain.com。它将作为$ 2匹配文本的一部分包含在内。如果它最初存在，它将进入被替换的字符串。

Answer 3

此模式将匹配任何路径，如果您想要约束路径，可以在？/后添加它。

(?<pre>(?:src|href)\W*=\W*(?:"|'))(?<url>(?:http://www\.mydomain\.com)?/(?<file>[^"']+))(?<post>"|')

以下是一些示例代码：

string pattern = "(?<pre>(?:src|href)\\W*=\\W*(?:\"|'))(?<url>(?:http://www\\.mydomain\\.com)?/(?<file>[^\"']+))(?<post>\"|')";

string test = "src =\"/folder/image.jpg\"\r\n"
            + "src=\"http://www.mydomain.com/folder/image.jpg\"\r\n"
            + "href=\"/folder/file.zip\"\r\n"
            + "href=\"http://www.mydomain.com/folder/file.zip\"";

string replacement = "${pre}/cache/getCacheItem.aspx?source_url=http://www.mydomain.com/${file}${post}";

test = Regex.Replace(test, pattern, replacement);

Answer 4

这个怎么样？

var reg = new Regex("(/folder/[^\"]+)");
Match m = reg.Match("src=\"http://www.mydomain.com/folder/image.jpg\"");
var result = string.Format("src=\"/cache/getCacheItem.aspx? source_url=http://www.mydomain.com{0}\"", m.Groups[1].Value);

.NET Regex：替换链接和img src

4 个答案: