从 XML 中删除注释答案

【问题标题】：Strip Comments from XML从 XML 中删除注释
【发布时间】：2010-09-28 14:16:05
【问题描述】：

我遇到了需要删除表单的cmets：

<!--  Foo

      Bar  -->

我想使用一个正则表达式来匹配开头和结尾“分隔符”之间的任何内容（包括换行符）。

对于这项任务，一个好的正则表达式是什么？

【问题讨论】：

标签： .net regex comments strip

【解决方案1】：

无。它不能用正则表达式所基于的上下文无关文法来描述。

假设这个线程以 XML 格式导出。如果包含在 CDATA 中，您的示例 () 将丢失，但它并不完全是评论。

【讨论】：

【解决方案2】：

简单的方法：

Regex xmlCommentsRegex = new Regex("<!--.*?-->", RegexOptions.Singleline | RegexOptions.Compiled);

还有一个更好的方法：

Regex xmlCommentsRegex = new Regex("<!--(?:[^-]|-(?!->))*-->", RegexOptions.Singleline | RegexOptions.Compiled);

【讨论】：

对于我的简单测试用例，等价于我自己的：我的有什么遗漏吗？
只有性能不同。根据我的测试，你的需要 118 步才能完成，而我的需要 62 步：)
我不知道 .net 的正则表达式库，但许多正则表达式编译器都对 .*? 进行了优化？所以它比天真的情况要快得多

【解决方案3】：

“正确”的方法是使用 XSLT 并复制除 cmets 之外的所有内容。

【讨论】：

我在 XSLT 方面没有太多经验 - 但这是我将来可能会尝试的东西。

【解决方案4】：

使用正则表达式解析 XML 被认为是不好的风格。使用一些 XML 解析库。

【讨论】：

【解决方案5】：

这是一些完整的示例代码，用于读取 XML 文件，并返回一个字符串，该字符串是没有 cmets 的文件。

var text = File.ReadAllText("c:\file.xml");
{ 
  const string strRegex = @"<!--(?:[^-]|-(?!->))*-->";
  const RegexOptions myRegexOptions = RegexOptions.Multiline;
  Regex myRegex = new Regex(strRegex, myRegexOptions);
  string strTargetString = text;
  const string strReplace = @""; 

  string result = myRegex.Replace(strTargetString, strReplace);
  return result;
}

不幸的是，单独使用RegexOptions.Multiline 无法解决问题（这有点违反直觉）。

【讨论】：