Regex为specifig标记及其内容，groupped通过的标签名

StackOverflow https://stackoverflow.com/questions/200525

  •  03-07-2019
  •  | 
  •  

题

这里的输入(html，不xml):

... html content ...
<tag1> content for tag 1 </tag1>
<tag2> content for tag 2 </tag2>
<tag3> content for tag 3 </tag3>
... html content ...

我想获得3匹配，每两个群体。第一小组将包含签名称和第二组中将包含的内部文本的标签。只有这三个标签，因此它不需要是普遍的。

换句话说:

match.Groups["name"] would be "tag1"
match.Groups["value"] would be "content for tag 2"

任何想法？

有帮助吗？

解决方案

我不明白你为什么要使用匹配组名。

这是一个正则表达式，它将标记名称和标记内容与编号的子匹配匹配。

<(tag1|tag2|tag3)>(.*?)</$1>

以下是.NET样式组名称

的变体 
<(?'name'tag1|tag2|tag3)>(?'value'.*?)</\k'name'>.

修改

RegEx根据问题作者的说明进行了调整。

其他提示

Regex为这可能是：

/<([^>]+)>([^<]+)<\/\1>/

但它总为我不知道很多关于逃跑的机构。网。把它翻译:

  • 第一组相匹配的第一个标记的姓名之间 < 并>
  • 第二组的内容相匹配(从>到下一个 <
  • 底检查，如果第一个标记就是封闭的

禾田

感谢所有正则表达式都没有工作。 :(也许我不够具体，抱歉。这是我正在尝试解析的确切html：

...some html content <b> etc </b> ...
<user> hello <b>mitch</b> </user>
...some html content <b> etc </b> ...
<message> some html <i>message</i> <a href....>bla</a> </message>
...some html content <b> etc </b> ...

我希望现在更清楚了。我正在使用USER和MESSAGE标签。

我需要获得两场比赛，每场比赛有两组。第一组wpould给我标签名称（用户或消息），第二组给我标签的整个内部文本。

数据是正确的xml，还是看起来像它？

如果是html，那么 HTML Agility Pack 值得研究 - 这提供了一个DOM（类似于XmlDocument），您可以使用它来查询数据：

string input = @"<html>...some html content <b> etc </b> ...
<user> hello <b>mitch</b> </user>
...some html content <b> etc </b> ...
<message> some html <i>message</i> <a href....>bla</a> </message>
...some html content <b> etc </b> ...</html>";

            HtmlDocument doc = new HtmlDocument();
            doc.LoadHtml(input);
            foreach (HtmlNode node in doc.DocumentNode.SelectNodes("//user | //message"))
            {
                Console.WriteLine("{0}: {1}", node.Name, node.InnerText);
                // or node.InnerHtml to keep the formatting within the content
            }

输出：

user:  hello mitch
message:  some html message bla

如果您需要格式化标签，请使用.InnerHtml而不是.InnerText。

如果它是xml，那么使用xml的全谱编码，最好使用xml解析器。对于中小型xml，将其加载到诸如XmlDocument之类的DOM中就可以了 - 然后查询节点（例如，<！> quot; // * <！> quot;）。对于巨大的xml，XmlReader可能是一个选项。

如果数据不必担心完整的xml，那么一些简单的正则表达式不应该太棘手......一个简化的例子（没有属性，没有名称空间，没有嵌套的xml）可能是：

string input = @"blah <tag1> content for tag 1 </tag1> blop
<tag2> content for tag 2 </tag2> bloop
<tag3> content for tag 3 </tag3> blip";

        const string pattern = @"<(\w+)>\s*([^<>]*)\s*</(\1)>";
        Console.WriteLine(Regex.IsMatch(input, pattern));
        foreach(Match match in Regex.Matches(input, pattern)) {
            Console.WriteLine("{0}: {1}", match.Groups[1], match.Groups[2]);
        }

问题在于（[^ <！> lt;] *）人们用来匹配标签内的东西与开头<！> lt;匹配嵌套标记，然后嵌套标记的结束标记与外部标记不匹配，因此正则表达式失败。

这是一个稍微强大的Tomalak正则表达版本，允许属性和空格：

Regex tagRegex = new Regex(@"<\s*(?<tag>" + string.Join("|", tags) + @")[^>]*>(?<content>.*?)<\s*/\s*\k<tag>\s*>", RegexOptions.IgnoreCase);

显然，如果您只需要使用一组特定的标签，则可以替换

string.Joing("|", tags)

使用硬编码管道分隔标签列表。

正则表达式的限制是，如果你有一个标签，你试图匹配嵌套在另一个标签内，它只会匹配外标签。即。

  

LT <！>; <！>用户GT; ABC LT <！>;消息GT <！>; DEF LT <！>; <！> /消息GT; GHI LT <！>; <！> /用户GT;

它将匹配外部用户标记，但不匹配内部消息标记。

它也不会处理<！> gt;中引用的属性，如：

  

<！> lt; user attrib = <！> quot; oops <！> gt; <！> quot; <！> gt;

它将匹配

  

<！> lt; user attrib = <！> quot; oops <！> gt;

作为标签和

  

QUOT <！>; GT <！>;

将成为代码内容的一部分。

这将为您提供所需的命名捕获组。但是，它不适用于嵌套标记。

/<(?<name>[^>]+)>(?<value>[^<]+)</\1>/

许可以下： CC-BY-SA 和 归因
不隶属于 StackOverflow
scroll top