Question

我想编写正则表达式来读取HTML中<script></script>块内的数据。作为脚本，我认为空白是灵活的。为了使我的正则表达式模式健壮，我将不得不预测不同数量的空白。也许有一种比在我的模式中放置许多空白匹配器更简单的方法。例如，可能有一个规范化器？（规范化器当然必须理解字符串文字才能不破坏它们。）

我正在使用.NET和Regex类。（注意：Regex类有一个ECMAScript选项，我认为它可以启用一个能够理解脚本空白的功能，但是阅读它的描述，似乎没有。）

编辑：Regex类有一个选项“IgnorePatternWhitespace”，但请注意这样可以灵活地编写正则表达式模式。它不会改变解析/匹配行为。

我试图避免在以下类型的模式中将空白匹配器放在许多位置：

const string propertyKey = @""".+""";
const string propertyValue = @""".+""";
string property = propertyKey + @"\x3a" + propertyValue;
string actionProperties = property + @"(\x2c" + property + @")*";
string actionPattern = @"\x7b" + actionProperties + @"\x7d";
string contentPattern = actionPattern + @"(\x2c" + actionPattern + @")*";
string corporateActionsPattern = @"corp_actions\s*:\s*""\s*[" + contentPattern + @"]\s*""";

Answer 1

正如kirilloid在评论中已经指出的那样，javascript语言太复杂了，无法通过正则表达式进行解析。你需要的是一个完全成熟的javascript解析器，这是一个非常重要的事情。

你想通过这个实现什么目标？

也许有更好的方法，如果他们知道你希望摆脱它的话，这里的人可以帮助你：）

Answer 2

不完美的解决方案是通过删除所有空格来规范化脚本（不仅仅是规范化到单个空间）。字符串文字的完整性受到尊重。正则表达式匹配器变得更容易编写。请注意，Javascript将被破坏，因为保留字和标识符将在删除空格时相互碰撞，但如果目标是仅解析“数据”部分（即：字符串文字，数字和标点符号），则问题的风险很低围绕着他们。）

<script> </script>块中的空格规范化

2 个答案: