Question

我需要解析我的HTML页面以替换某些链接，这是链接<a href="/{localLink:1144}" title="Bas-rhin">Mauris nec</a>的形式。问题是我的正则表达式没有正确结束，我认为这是因为“。

这是我的正则表达式：

Regex r= new Regex("<a href=\"(/{localLink:)(.*)}\" title=\"(.*)\">(.*)</a>");

正则表达式不会在每个链接后结束，第三组不包含title属性，但几乎所有的html都包含在我的html的最后一个。

我用这个网站测试了它：

enter image description here

那么，为什么第三组不会直接在Bas-Rhin"之后结束？

Answer 1

你问的问题的答案（“那么，为什么第三组不在Bas-Rhin"之后直接结束？”）是.*是贪婪的，这意味着它将消耗尽可能多的可能。将其替换为.*?以使其消耗尽可能少。

如果继续沿着这条路走下去，你可能会遇到许多问题的答案是正则表达式无法正确解析HTML，因为HTML不是常规语言。如果您的语言包含嵌套匹配令牌（例如<tag>与</tag>匹配或{与}匹配）且嵌套深度没有限制（例如HTML，C系列语言，JSON等等，正则表达式根本无法解析或验证它。

Answer 2

Regex r= new Regex("<a href=\"(/{localLink:)(.*)}\" title=\"(.*)\">(.*)</a>");

没有按预期工作，因为量词（*）默认是贪婪的，这意味着他们尽可能地抓住（最有可能）。

要解决这个问题，您有几种方法：

1最明显：

通过添加问号使您的量词变得懒惰：(.*?)

2效率最高：

不要使用点并使用否定的字符类代替。例如：

Regex r= new Regex("<a href=\"(/{localLink:)([^}]*)}\" title=\"([^"]*)\">(.*?)</a>");

最后(.*?)可以替换为：

((?>[^<]+|<(?!/a>)*)

3最合理：

使用agilitypack或其他html解析器来提取所有“a”标签。你可以检查href是否像你想要的那样。（请注意，使用xpath，您可以直接在一个步骤中执行此检查）

Xpath查询示例：

//a[contains(@href, '{localLink:')]

Answer 3

您的测试用例似乎没问题：