Question

我有以下假假样本：

<family>
   <member> dad </member>
   <member> mum </member>
   <member> son </member>
   <member> grandad<> </member>
</family>

我已经获得了一个转换为XML的文档，但到目前为止我还没有成功。我无法控制如何创建给我的文档（html），但我需要将文档转换为xml;这样我就可以使用样式表来转换它。

TidyManaged和HAP在我的工作流程中对我并不好。如果人们有兴趣了解原因，将会解释更多。

为了让我成功使用HAP，我需要上面的示例如下所示：

<family>
   <member> dad </member>
   <member> mum </member>
   <member> son </member>
   <member> grandad&lt;&gt; </member>
</family>

在我放弃这个问题之前，我的最后一个方法是，在我的源代码html文档中读取，将其视为计划文本文档并逐行阅读。

我要求某人给我一些正确的正则表达式，它将成功匹配元素的内部文本，即：

<member> grandad<> </member>

会给我字符串：

"grandad<>"

如果我能做到这一点，我应该能够将尖括号转换为html密钥代码等价物。然后，这应该作为有效的XML传递，允许我将其加载到XDocument类中。

然后用这个结果字符串替换该结果字符串：

<member> grandad&lt;&gt; </member>

如果所有特殊字符都已正确“转义”，那么我将能够利用HTML Agility Pack（HAP）的优势，否则我将不得不放弃。

感谢阅读。

Answer 1

最简单的正则表达式

var reg = new Regex(@"(?<=<(\w+)>)(.*)(?=</\1>)");
var input = "<member> grandad<Regexp is a bad tool because of <strong>this</strong>> </member>";
var output = reg.Match(input).Value;

如果您的member标记包含任何空格或属性或多个member标记将在单行中，则会出现问题。因此，如果你能提供最丑陋的例子，我会改变表达式来调整你的输入。

Answer 2

如果您可以手动处理每个文档，那么您可以使用notepad ++。

reindent xml（TextFX-＆gt; TextFX HTML工具 - ＆gt; Reindent xml＆gt;功能会自动强加您想要的实体。

编辑使用RegEx作为纯文本访问的Xml InnerText？

2 个答案: