我的正则表达式做错了什么？答案

【问题标题】：What am I doing wrong with my Regex?我的正则表达式做错了什么？
【发布时间】：2010-12-17 08:22:24
【问题描述】：

我不确定我做错了什么。我正在尝试使用 asp.net regex.replace，但它一直在替换错误的项目。

我有 2 个替换。第一个做我想要的，它取代了我想要的。几乎是镜像的下一个替换不会替换我想要的。

这是我的示例代码

<%@ Page Title="Tour" Language="C#" MasterPageFile="~/Views/Shared/Site.Master" Inherits="System.Web.Mvc.ViewPage" %>
<asp:Content ID="Content1" ContentPlaceHolderID="HeadContent" runat="server">
    <title>Website Portfolio Section - VisionWebCS</title>
    <meta name="description" content="A" />
    <meta name="keywords" content="B" />
</asp:Content>
<asp:Content ID="Content2" ContentPlaceHolderID="MainContent" runat="server">
    <!-- **START** -->

我正在寻找替换这两个元标记。

<meta name=\"description\" content=\"A\" />
<meta name=\"keywords\" content=\"B\" />

在我的代码中，我首先将关键字元标记替换为

<meta name=\"keywords\" content=\"C\" />

这行得通，所以我的下一个任务是用这个替换描述元标记

<meta name=\"description\" content=\"D\" />

这不起作用，而是替换“关键字”元标记，然后替换“描述”标记。

这是我的测试程序，大家可以试试。只需在 C# 控制台应用程序中通过它。

  private const string META_DESCRIPTION_REGEX = "<\\s* meta \\s* name=\"description\" \\s* content=\"(?<Description>.*)\" \\s* />";
        private const string META_KEYWORDS_REGEX = "<\\s* meta \\s* name=\"keywords\" \\s* content=\"(?<Keywords>.*)\" \\s* />";
        private static RegexOptions regexOptions = RegexOptions.IgnoreCase
                                   | RegexOptions.Multiline
                                   | RegexOptions.CultureInvariant
                                   | RegexOptions.IgnorePatternWhitespace
                                   | RegexOptions.Compiled;

        static void Main(string[] args)
        {

            string text = "<%@ Page Title=\"Tour\" Language=\"C#\" MasterPageFile=\"~/Views/Shared/Site.Master\" Inherits=\"System.Web.Mvc.ViewPage\" %><asp:Content ID=\"Content1\" ContentPlaceHolderID=\"HeadContent\" runat=\"server\">    <title>Website Portfolio Section - VisionWebCS</title>    <meta name=\"description\" content=\"A\" />    <meta name=\"keywords\" content=\"B\" /></asp:Content><asp:Content ID=\"Content2\" ContentPlaceHolderID=\"MainContent\" runat=\"server\"><!-- **START** -->";
            Regex regex = new Regex(META_KEYWORDS_REGEX, regexOptions);
            string newKeywords = String.Format("<meta name=\"keywords\" content=\"{0}\" />", "C");
            string output = regex.Replace(text, newKeywords);

            Regex regex2 = new Regex(META_DESCRIPTION_REGEX, regexOptions);
            string newDescription = String.Format("<meta name=\"description\" content=\"{0}\" />", "D");
            string newOutput = regex2.Replace(output, newDescription);
            Console.WriteLine(newOutput);
        }

这得到了我的最终输出

<%@ Page Title="Tour" Language="C#" MasterPageFile="~/Views/Shared/Site.Master"
Inherits="System.Web.Mvc.ViewPage" %>
<asp:Content ID="Content1" ContentPlaceHold erID="HeadContent" runat="server">
    <title>Website Portfolio Section - VisionW
        ebCS</title>
    <meta name="description" content="D" />
</asp:Content>
<asp:Conten t ID="Content2" ContentPlaceHolderID="MainContent" runat="server">
    <!-- **START**
    -->

谢谢

【问题讨论】：

标签： c# .net regex .net-3.5

【解决方案1】：

你做错了什么？你是parsing HTML with a regex！

.NET 推荐库：HTML Agility Pack

【讨论】：

那么 - 那么你会怎么做呢？
@Will: +1 但你应该提供一个链接/代码片段如何用适当的解析器解析它
光是图片就够搞笑了，点击一下
@marc_S 我的想法完全正确。只是快速浏览一下文章似乎并没有显示要使用什么。它还说在某些情况下你可以。我能够多次解析 html 而没有问题，它比我现在所做的复杂 100 倍。
强烈建议您查看msdn.microsoft.com/en-us/library/aa290341%28VS.71%29.aspx w3schools.com/htmldom/default.asp

【解决方案2】：

要在没有无用的人生课程的情况下回答您的问题，您会因为贪婪的量词而遇到麻烦。尝试通过添加问号让他们变得懒惰：

<meta\\s+?name=\"description\"\\s+?content=\"(?<Description>.*?)\"\\s*?/>

当然，此正则表达式不适用于世界上的所有页面，但如果您只需要为自己的模板制作一些快速替换脚本，正则表达式是最快和最简单的解决方案，也是可行的方法。

【讨论】：

嗯，可以，但我不明白。我想即使我使用了一个贪婪的量词，它也会继续运行，直到它看到“/>”并停止。那么为什么它会走得更远呢？就像即使在检查捕获的表达式数量时，它也总是返回一个。

【解决方案3】：

我同意 @serg555 的回答 - 问题在于贪婪的量词 - 让他们懒惰地使用 '?'应该能解决问题

<meta\\s*name=\"description\"\\s*content=\"(?<Description>.*?)\"\\s*/>

【讨论】：

【解决方案4】：

学习、喜爱和使用 DOM。它是 W3C（HTML 标准机构）认可的解析 XML（HTML 是 XML 的子集）文档的方法。除非您有足够的理由相信您输入的 HTML 是非常错误的，否则这通常是最好的开始方法。

Learn here

强烈建议您结帐 Walkthrough: Accessing the DHTML DOM from C#

您可能还想尝试 jQuery，因为它使搜索 DOM 变得非常容易。 Like so.

【讨论】：

【解决方案5】：

我需要 C# 代码中的 URL 描述并使用 this site 检查我的正则表达式代码。

这是我的最终作品：

      WebClient x = new WebClient { Encoding = Encoding.UTF8 };
            string source = x.DownloadString(url);

            string description = Regex.Match(source, "<meta[^>]*name=[\"|\']description[\"|\'][^>]*content=[\"]([^\"]*)[\"][^>]*>", RegexOptions.IgnoreCase).Groups[1].Value;

【讨论】：