Question

我很难看到一个简单的Regex任务。我想用以下排除项替换文本中具有大写字母和小写字母的所有href链接。

例如

href="/image-ZOOM.aspx?UPPERcasE=someThing"匹配并替换为

href="/image-zoom.aspx?uppercase=something"

href="/image-coorect.aspx" - 不匹配

此外，它会排除href="javascript:function();"，并且不会在<% %>代码之间小写任何内容。

例如：

href="/images/PDFs/<%=Product.ShortSku %>.pdf"被翻译成

href="/images/**pdfs**/<%=Product.ShortSku %>.pdf"

我尝试了类似href="([^"]*[A-Z]+[^"]*)"的内容，但仍然匹配全部小写的链接。你能不能发光一下。

谢谢！

Answer 1

棘手的部分是您的<% ... %>要求。一旦将URL的每个部分分成组，这实际上非常简单。

href="/images/PDFs/<%=Product.ShortSku %>.pdf"
      |_____1_____||__________2_________||_3_|

此组必须存在。
此论坛是可选的。
如果组2不存在，那么组3将不存在，在这种情况下组1匹配整个href内容。如果组2存在，则组3将是href内容的剩余部分。

通过理解上述内容，您最终会将其用于其他字符串：

href="/image-ZOOM.aspx?UPPERcasE=someThing"
      |________________1_________________|

我最终得到了这种使用命名组的模式：

@"href=""(?!javascript:)(?=[^""]*[A-Z])(?<Start>[^""<]+)(?<Special><%[^""]+%>)?(?<End>[^""]*)"""

href=""：匹配href并打开双引号。
(?!javascript:)：负面预测忽略javascript函数。
(?=[^""]*[A-Z])：正面预测在内容中找到大写字母。 [^""]*匹配任何不是双引号的char。这样做是为了避免超出内容的末尾并贪婪地匹配非预期的内容。
(?<Start>[^""<]+)：与任何char匹配的命名组，只要它不是双引号或开括号括号。查看之前的描述 - 角括号检查确保在遇到<% ... %>内容时停止。如果没有，模式将继续，直到遇到结束双引号。
(?<Special><%[^""]+%>)?：可选命名组，用于捕获<% ... %>内容。尾随?将整个组标记为可选。
(?<End>[^""]*)：命名组以匹配任何剩余内容。请注意，我使用*使其匹配零个或多个内容。这允许模式的这一部分在特殊组不存在的情况下充当可选匹配。
""：关闭双引号。

示例代码：

string[] inputs =
{
    "href=\"/image-ZOOM.aspx?UPPERcasE=someThing\"", // match
    "href=\"/image-coorect.aspx\"",  // no match, lowercase
    "href=\"javascript:function();\"", // no match, javascript
    "href=\"/images/PDFs/<%=Product.ShortSku %>.pDf\"", // bypass <% %> content
};

string pattern = @"href=""(?!javascript:)(?=[^""]*[A-Z])(?<Start>[^""<]+)(?<Special><%[^""]+%>)?(?<End>[^""]*)""";

foreach (var input in inputs)
{
    Console.WriteLine("{0,6}: {1}", Regex.IsMatch(input, pattern), input);
    string result = Regex.Replace(input, pattern,
                        m => "href=\""
                            + m.Groups["Start"].Value.ToLower()
                            + m.Groups["Special"].Value
                            + m.Groups["End"].Value.ToLower()
                            + "\"");
    Console.WriteLine("Result: " + result);
    Console.WriteLine();
}

这使用lambda代替MatchEvaluator。基本上我们正在重建字符串并引用命名组，改变我们想要修改的组的大小写。这段代码的一个微妙的关键是，如果一个组不匹配，我们仍然可以引用它，它只会给我们一个空字符串。此外，这可能在代码中并不明显，但是当匹配失败时，原始字符串将由Regex.Replace不加改变地返回。

Answer 2

也许您正在使用“/ i”修饰符，请确保您没有使用“RegexOptions.IgnoreCase”

   List<string> list = new List<string>() {
        "href=\"/image-ZOOM.aspx?UPPERcasE=someThing\"",
        "href=\"/image-zoom.aspx?uppercase=something\"",
        "href=\"/image-coorect.aspx\"",
        "href=\"javascript:function();\"" 
    };

    foreach (string l in list) 
    {
        if (Regex.IsMatch(l, "href=\"([^\"]*[A-Z]+[^\"]*)\"")) 
        {
            Console.WriteLine(l);
        }
    }

只匹配：href =“/ image-ZOOM.aspx？UPPERcasE = someThing”

Answer 3

好的，我很困惑。如果页面上有一组控件和/或标签，则可以测试它们是否为锚类型，如果是，则可以从标签中获取href属性，然后将href设置为href.ToLower。

是否有特定的原因使用正则表达式来解决字符串和DOM解析问题？对我来说似乎有些过分。

C＃正则表达式仅使用大写字符查找和替换链接，并且不匹配排除项

3 个答案: