Question

我需要使用正则表达式搜索html文件并将href="pagename"替换为href="pages/pagename"

此外，href的格式可以为HREF = 'pagename'

我不想替换任何以http，ftp，mailto，javascript开头的大写或小写的href，＃

我正在使用c＃来开发这个小应用程序。

Answer 1

不建议通过Regex进行HTML操作，因为HTML不是“常规语言”。我强烈建议您使用HTML Agility Pack。这为HTML提供了一个DOM接口。

Answer 2

我没有对很多案例进行过测试，但对于这种情况，它有效：

var str = "href='page' href = 'www.goo' href='http://' href='ftp://'";
Console.WriteLine(Regex.Replace(str, @"href ?= ?(('|"")([a-z0-9_#.-]+)('|""))", "x", RegexOptions.IgnoreCase));

结果：

"x x href='http://' href='ftp://'"

您最好在运行此文件之前保留备份文件：P

Answer 3

使用HTML和XML查找/替换时有很多警告。问题是，允许的语法有很多变化。（许多不允许但仍然有效！）

但是，你似乎想要这样的东西：

搜索

([Hh][Rr][Ee][Ff]\s*=\s*['"])(\w+)(['"])

这意味着：

[Hh]：方括号中的任何项目，后跟
\s*：任意数量的空格（可能为零），
=
\s*任何更多的空格，
['"]报价类型，
\w+：一个单词（没有任何斜线或点 - 如果您想包含.html，请改用[.\w]+），
和['"]：任何类型的引用。

替换为

$1pages/$2$3

这意味着第一个括号中的内容，然后pages/，然后是第二和第三组括号中的内容。

您需要将第一个字符串放在@“引号中，并将双引号转义为""。请注意，它甚至不会做任何模糊的智能，比如确保引号匹配。警告：尝试永远不要在这种正则表达式中使用“任何字符”（.）符号，因为它会抓取大部分文本，包括下一个引号，可能直到文件末尾！

查看正则表达式教程以获取更多信息，例如http://www.regular-expressions.info/dotnet.html

正则表达式调整c＃中的HTML hrefs

3 个答案: