Question

我有一些代码在HTML被loade3d转换为XML文档时导致错误。有几个正则表达式替换操作，而不是正则表达式专家，我很难理解他们做了什么。

因此定义正则表达式：

private static Regex CleanseInlineTableBorder = new Regex("(?<TableTag><table[^>]*)border=\"1\"", rOpts);

使用方式如下：

fragContent = CleanseInlineTableBorder.Replace(fragContent, "${TableTag};");

但是，在删除表格边框标记后，它似乎会留下尾随的半冒号，例如

名称不能以＆＃39;;＆＃39;开头。字符，十六进制值0x3B。第31行，第993号。

之前的HTML：<table tabIndex="-1" class="msoUcTable" style="BORDER-TOP-STYLE: none; WORD-WRAP: break-word; BORDER-LEFT-STYLE: none; BORDER-COLLAPSE: collapse; TABLE-LAYOUT: fixed; BORDER-BOTTOM-STYLE: none; BORDER-RIGHT-STYLE: none; WIDTH: 167px" cellPadding="0" width="168" border="1">

HTML AFTER：<table tabIndex="-1" class="msoUcTable" style="BORDER-TOP-STYLE: none; WORD-WRAP: break-word; BORDER-LEFT-STYLE: none; BORDER-COLLAPSE: collapse; TABLE-LAYOUT: fixed; BORDER-BOTTOM-STYLE: none; BORDER-RIGHT-STYLE: none; WIDTH: 167px" cellPadding="0" width="168" ;>

我已经尝试从正则表达式中删除分号：

fragContent = CleanseInlineTableBorder.Replace(fragContent, "${TableTag}");

但这没有用。

有什么方法可以通过改变正则表达式来删除分号吗？

Answer 1

fragContent = CleanseInlineTableBorder.Replace(fragContent, "${TableTag}");

这应该为你做。参见演示。

https://regex101.com/r/vD5iH9/16

如果您提到的代码相同，则无法显示

:。如果仍然存在，则需要检查源代码html。

Answer 2

您的解决方案

fragContent = CleanseInlineTableBorder.Replace(fragContent, "${TableTag}");

应该假设fragContent最初包含你所谓的“之前的HTML”。你确定fragContent的值实际上包含;应用正则表达式后，还是直接检查除fragContent之外的任何其他输出？

我将解释你的正则表达式的作用：

(?<NAME>regex)

定义一个命名的捕获组，这意味着您要查找与正则表达式匹配的内容并为结果指定NAME。您可以稍后使用$ {NAME}来访问正则表达式的匹配项。因此：

(?<TableTag><table[^>]*)

最多匹配

<table tabIndex="-1" class="msoUcTable" style="BORDER-TOP-STYLE: none; WORD-WRAP: break-word; BORDER-LEFT-STYLE: none; BORDER-COLLAPSE: collapse; TABLE-LAYOUT: fixed; BORDER-BOTTOM-STYLE: none; BORDER-RIGHT-STYLE: none; WIDTH: 167px" cellPadding="0" width="168" border="1"

因为它以“＆lt; table”开头并收集任意数量的符号，直到它遇到“＆gt;”。但是你把表达式

border=\"1\"

在它后面，匹配“border =”1“”。

因此，HTML标记中唯一满足整个正则表达式的匹配是

    <table tabIndex="-1" class="msoUcTable" style="BORDER-TOP-STYLE: none; WORD-WRAP: break-word; BORDER-LEFT-STYLE: none; BORDER-COLLAPSE: collapse; TABLE-LAYOUT: fixed; BORDER-BOTTOM-STYLE: none; BORDER-RIGHT-STYLE: none; WIDTH: 167px" cellPadding="0" width="168" border="1"

匹配的部分

(?<TableTag><table[^>]*)

（意思是整个陈述，除了border =“1”）被命名为“TableTag”。

最后致电

CleanseInlineTableBorder.Replace(fragContent, "${TableTag};");

你带上你的初始HTML标签并将你的正则表达式（除“＆gt;”之外的所有内容）的匹配替换为“TableTag”，这是

    <table tabIndex="-1" class="msoUcTable" style="BORDER-TOP-STYLE: none; WORD-WRAP: break-word; BORDER-LEFT-STYLE: none; BORDER-COLLAPSE: collapse; TABLE-LAYOUT: fixed; BORDER-BOTTOM-STYLE: none; BORDER-RIGHT-STYLE: none; WIDTH: 167px" cellPadding="0" width="168"

你看到删除“;”后从你的“替换”电话中，正则表达式中应该没有任何东西可以产生“;”。

正则表达式需要替换解释

2 个答案: