C# 正则表达式匹配

本文关键字：正则表达式 | 更新日期: 2023-09-27 18:31:02

我需要使用正则表达式替换C#中的一些文本：

string strSText = "<P>Bulleted list</P><UL><P><LI>Bullet 1</LI><P></P><P>
<LI>Bullet 2</LI><P></P><P><LI>Bullet 3</LI><P></UL>"

基本上我需要摆脱

"<P>"

标记引入 之间

"<UL><P><LI>", 
"</LI><P></P><P><LI>" and
"</LI><P></UL>"

执行删除时，我还需要忽略这些标签之间的任何空格。

所以

"</LI><P></P><P><LI>", "</LI>    <P></P><P><LI>", "</LI><P></P><P>   <LI>" or 
"</LI> <P> </P> <P> <LI>"

必须全部替换为

"</LI><LI>"

为此，我尝试使用以下正则表达式匹配：

strSText = Regex.Replace(strSText, "<UL>.*<LI>", "<UL><LI>", RegexOptions.IgnoreCase);
strSText = Regex.Replace(strSText, "</LI>.*<LI>", "</LI><LI>", 
RegexOptions.IgnoreCase);
strSText = Regex.Replace(strSText, "</LI>.*</UL>", "</LI></UL>", 
RegexOptions.IgnoreCase);

但它执行"贪婪"匹配并导致：

"<P>Bulleted list</P><UL><LI>Bullet 3</LI></UL>"

然后我尝试使用"懒惰"匹配：

strSText = Regex.Replace(strSText, "<UL>.*?<LI>", "<UL><LI>", RegexOptions.IgnoreCase);
strSText = Regex.Replace(strSText, "</LI>.*?<LI>", "</LI><LI>", 
RegexOptions.IgnoreCase);
strSText = Regex.Replace(strSText, "</LI>.*?</UL>", "</LI></UL>", 
RegexOptions.IgnoreCase);

这导致：

"<P>Bulleted list</P><UL><LI>Bullet 1</LI></UL>"

但我想要以下结果，它保留所有其他数据：

"<P>Bulleted list</P><UL><LI>Bullet 1</LI><LI>Bullet 2</LI><LI>Bullet 3</LI></UL>"

C# 正则表达式匹配

以下正则表达式匹配一个或多个<P>或</P>标签：

(?:</?P>'s*)+

因此，如果您将其放置在您拥有的其他标签之间，则可以摆脱它们，即

strSText = Regex.Replace(strSText, @"<UL>'s*(?:</?P>'s*)+<LI>", "<UL><LI>", RegexOptions.IgnoreCase);
strSText = Regex.Replace(strSText, @"</LI>'s*(?:</?P>'s*)+<LI>", "</LI><LI>", RegexOptions.IgnoreCase);
strSText = Regex.Replace(strSText, @"</LI>'s*(?:</?P>'s*)+</UL>", "</LI></UL>", RegexOptions.IgnoreCase);

不是对你问题的回答，但更多的是对Jonathon的评论：使用HTMLAgilityPack解析HTML。

相关文章：