如何在结束标记之前搜索一些标点符号？

Question

我在文件中有一些文字为

<title>Dhind</title>
<title>WT.</title>
<title>Plant Leaves:</title>
<title>Denia;</title>
<title>Erod&#x00E9;</title>

我试图在我的文件中的结束标记</title>之前找出是否有点，逗号，分号或冒号，除非有一个不代表4位数的分号十六进制实体....即搜索应该找到以下结果

<title>WT.</title>
<title>Plant Leaves:</title>
<title>Denia;</title>

而不是<title>Erod&#x00E9;</title>作为＆＃34; ; ＆＃34;是实体代码的一部分，因此被忽略。

我目前正在使用此正则表达式string pattern = @"([.,:]|((?<!&#x\w{4});))</title>"并与之匹配。

是否有更高效的正则表达式模式，我不是很擅长正则表达式...

注意：该文件不是有效的xml或html，因此xml / html解析技术在这里没用。

Answer 1

这个正则表达式可以解决这个问题：

(?<!&#x[0-9a-fA-F]{4});(?=<\/title>)|([,.:])(?=<\/title>)

见这里

  

https://regex101.com/r/GSYf0w/1

Answer 2

正则表达式：

<title>.*(?:\.|,|:|;)(?<!&#x[0-9a-fA-F]{4};)<\/title>

Demo

说明：

• 字面匹配字符（区分大小写）
• 。*匹配任何字符（行终止符除外）
• *量词 - 在零和无限次之间匹配，尽可能多次，根据需要回馈（贪婪）
• 非捕获组（？：。|，|：|;）
• 第一选择。
• \。匹配角色。字面意思（区分大小写）
• 第二选择，
• ，匹配字符，字面意思（区分大小写）
• 第三种选择：
• ：匹配字符：字面意思（区分大小写）
• 第四种选择;
• ;匹配角色;字面意思（区分大小写）
• 负面观察（？
• 断言下面的正则表达式不匹配
• ＆amp; #x字面匹配字符＆amp; #x（区分大小写）
• 匹配以下列表中的单个字符[0-9a-fA-F] {4}
• {4}量词 - 恰好匹配4次
• 0-9 0（索引48）和9（索引57）范围内的单个字符（区分大小写）
• a-f a（索引97）和f（索引102）之间范围内的单个字符（区分大小写）
• A-F A（索引65）和F（索引70）范围内的单个字符（区分大小写）
• ;匹配角色;字面意思（区分大小写）
• ＆LT;匹配字符＆lt;字面意思（区分大小写）
• /匹配字符/字面（区分大小写）
• 标题＆GT;匹配字符标题＆gt;字面意思（区分大小写）