Question

我需要对转义的XML字符> <和&进行替换，但前提是它们包含在单引号中。这很重要，因为当正则表达式模式是开始和结束标记时，它们应该无法找到>和<。

示例，给定字符串<Element><Element value="'hello&stack<overflow>'"/></Element>

我应该只获得单引号>中的< &和'。这样我就可以使用正确的& <和>替换它们（很长一段时间，这是因为发生了混乱的XML解析的结果）。

我知道我可以使用'(.*)'来获取单引号之间的所有字符，但现在我怎样才能只提取其中的转义字符。

Answer 1

您可以将标记名称与所有后续属性名称/值匹配，并且仅在值内替换<和>（或名称，取决于数据的混乱程度）。

这可以在Regex.Replace匹配评估器中完成：

var s = "<Element><Element value=\"'hello&stack<overflow>'\" value=\"'hi&stack<over flow2 >'\"/></Element>";
var rx = @"((?:<[a-zA-Z][\w:-]*|\G(?!\A))\s+[^\s=<]*=)(""[^""]*"")";
var clean = Regex.Replace(s, rx, m => 
    string.Format("{0}{1}", m.Groups[1].Value, m.Groups[2].Value.Replace("&", "&amp;").Replace("<", "&lt;").Replace(">", "&gt;"))
);
 // => <Element><Element value="'hello&amp;stack&lt;overflow&gt;'" value="'hi&amp;stack&lt;over flow2 &gt;'"/></Element>

请参阅C# demo

这是regex demo。详细说明：

((?:<[a-zA-Z][\w:-]*|\G(?!\A))\s+[^\s=<]*=) - 第1组：
- (?:<[a-zA-Z][\w:-]*|\G(?!\A)) - <，ASCII字母，0 +字词，:或-（请参阅<[a-zA-Z][\w:-]*），或（{{ 1}}）上一次成功匹配的结束（请参阅|）
- \G(?!\A) - 1+空格
- \s+ - 0空格以外的字符[^\s=<]*=和=
< - 第2组：
- ("[^"]*") - 除"[^"]*"以外的"，0 +个字符，然后是"

Answer 2

适用于此案例。如果您可以包含更多输入，我们也可以改进并覆盖它们。

检查一下：

(?<!^)(>|<|&)(?=.*')

演示：

https://regex101.com/r/EgXlcD/2

正则表达式（C＃）：匹配＆gt; ＆LT; ＆安培; （非法的XML字符），但只有当包含在qutoes

2 个答案: