文本外部<;%%的Regex>;

本文关键字:Regex gt lt 文本 外部 | 更新日期: 2023-09-27 18:26:30

我需要解析这样的字符串:

text0<%code0%>text1<%code1%><%%>text3

分成两个阵列。每个区块都是可选的,所以它可以只是text<%code%>,也可以是空字符串。取出代码很容易(如果我没有错的话):<%(.*?)%>,但我需要文本方面的帮助,因为它不像代码那样没有这样的标记。

谢谢!

文本外部<;%%的Regex>;

由于正则表达式匹配必须是连续的(即没有间隙),因此没有一个表达式可以匹配标记之外的所有文本。然而,如果您将regex与C#的string功能结合起来,您仍然可以做到这一点,比如:

var outside = string.Join("", Regex.Split(inputString, "<%.*?%>"));

如果标记内部可能不包含百分比字符,则可以使用以下表达式优化正则表达式以避免回溯:

<%[^%]*%>

这个非常简单的Regex将执行:-):-)(这很讽刺…正则表达式是正确的,但它绝对不可读,即使是正则表达式专家也可能需要至少10分钟才能完全理解)

var rx = new Regex("((?<1>((?!<%).)+)|<%(?<2>((?!%>).)*)%>)*", RegexOptions.ExplicitCapture);
var res2 = rx.Match("text0<%code0%>text1<%code1%><%%>text3");
string[] text = res2.Groups[1].Captures.Cast<Capture>().Select(p => p.Value).ToArray();
string[] escapes = res2.Groups[2].Captures.Cast<Capture>().Select(p => p.Value).ToArray();

请记住,它需要RegexOptions.ExplicitCapture

正则表达式将在两个组(1和2)中捕获<% %>外部和<% %>内部的字符串片段。每组由多个Capture s组成。

解释:

( ... )* The outer layer. Any number of captures are possible... So any number of "outside" and "inside" are possible
(?<1>((?!<%).)+) The capturing group 1, for the "outside"
| alternatively
<% An uncaptured <%
(?<2>((?!%>).)*) The capturing group 2, for the "inside"
%> An uncaptured %>

捕获组1:

(?<1> ... ) The name of the group (1)

内部:

((?!<%).)+ Any character that isn't a < followed by a % (at least one character)

捕获组2:

(?<2> ... ) The name of the group (2)

内部:

((?!%>).)* Any character that isn't a < followed by a % (can be empty)

请注意,如果存在未关闭的<%!!,则此正则表达式将严重损坏!!!这个问题是可以解决的。

var rx = new Regex("((?<1>((?!<%).)+)|<%(?<2>((?!<%|%>).)*)%>|(?<3><%.*))*", RegexOptions.ExplicitCapture);

并添加

string[] errors = res2.Groups[3].Captures.Cast<Capture>().Select(p => p.Value).ToArray();

如果errors不为空,则存在未闭合的<%

现在,如果您想对捕获进行排序:

var captures = res2.Groups[1].Captures.Cast<Capture>().Select(p => new { Text = true, Index = p.Index, p.Value })
    .Concat(res2.Groups[2].Captures.Cast<Capture>().Select(p => new { Text = false, Index = p.Index, p.Value }))
    .OrderBy(p => p.Index)
    .ToArray();

现在每个捕获都有一个Index、一个可以是TexttrueEscapefalseText以及一个作为Capture的文本的Value

您可以使用Regex。替换

var text = Regex.Replace(input, "<%.+?%>", "");

试试这个:

class Program
{
    static void Main(string[] args)
    {
        var input = "text0<%code0%>text1<%code1%><%%>text3";
        List<string>
            text = new List<string>(),
            code = new List<string>();
        var current = 0;
        Regex.Matches(input, @"<%.*?%>")
            .Cast<Match>()
            .ToList().ForEach(m =>
            {
                text.Add(input.Substring(current, m.Index - current));
                code.Add(m.Value);
                current = m.Index + m.Length;
                if(!m.NextMatch().Success)
                    text.Add(input.Substring(current, input.Length - current));
            });
    }
}