c#regex以匹配特定文本

本文关键字：文本 c#regex | 更新日期: 2023-09-27 18:19:31

我希望匹配HTML锚中不包含的格式为foo:1245的所有文本。例如，我想匹配下面的第1行和第3行：

foo:123456

<a href="http://www.google.com">foo:123456</a>

foo:123456

我尝试过这些正则表达式，但没有成功：

负前瞻尝试（不正确匹配，但不包括最后一位）

foo:('d+)(?!</a>)

非捕获分组的负前瞻

(?:foo:('d+))(?!</a>)

反向查找尝试（似乎不支持通配符）

(?<!<a[^>]>)foo:('d+)

c#regex以匹配特定文本

如果你想像这样开始分析HTML，那么你可能想真正解析HTML，而不是使用正则表达式。HTML敏捷包是通常的第一个调用端口。使用正则表达式，很难处理像<a></a>foo:123456<a></a>这样的事情，当然应该去掉中间位，但要编写一个能做到这一点的正则表达式是非常困难的。

我应该补充一点，我假设您实际上有一个HTML块，而不仅仅是单独的短字符串，比如上面的每一行。在一定程度上，我排除了它的可能性，因为如果它是线上唯一的东西，那么匹配它是非常容易的，所以我想如果你想要的话，你会得到它的。：）

Regex通常不是工作的最佳工具，但如果您的案例非常具体，如您的示例中所示，您可以使用：

foo:((?>'d+))(?!</a>)

您的第一个表达式不起作用，因为'd+会回溯到(?!</a>)匹配为止。这可以通过不允许'd+回溯来解决，如上所述，在原子/非回溯组的帮助下，也可以在'd+回溯的情况下使前瞻失败，例如：

foo:((?>'d+))(?!</a>|'d)

尽管这并没有那么有效。

注意，在内部使用不同的字符串长度时，查找不起作用，您可以用不同的来计算它

例如

  1. 查找并标记锚点中包含的所有foo-s
  2. 与所有其他人一起找到并实现你的目标
  3. 删除标记

这可能是一种冗长的方法，但您可以简单地恢复foo的所有出现：一些数字然后将它们排除在外。。

string pattern = @"foo:'d+ |" +
                 @"foo:'d+[<]";

然后使用匹配收集

 MatchCollection m0 = Regex.Matches(file, pattern, RegexOptions.Singleline);

然后在每次出现时循环：

foreach (Match m in m0)
{
                 . . . exclude the matches that contain the "<"
}

我会使用linq并将html视为xml，例如：var query=MyHtml.Descendants（）.ToArray（）；foreach（查询中的XElement结果）｛

            if (Regex.IsMatch(result.value, @"foo:123456") && result.Name.ToString() != "a")
            {
               //do something...
            }
        }

也许还有更好的方法，但我不知道……这对我来说似乎很直接：p

相关文章：