C#正则表达式用星号替换嵌套HTML标签中的文本[关闭]

Question

我需要用星号替换 HTML 标记（不是 HTML 内容）中的文本匹配项。此 HTML 标记也可能是嵌套的。例如：

<span class='lorem'>Lorem ipsum</span>

结果应该是：

<span class='*****'>Lorem ipsum</span>

或者对于嵌套的：

<p class='lorem'>Lorem<span id='ipsum'>ipsum</span></p>

结果应该是：

<p class='*****'>Lorem<span id='*****'>ipsum</span></p>

我为此创建了一个方法，但它仅适用于未嵌套的 HTML 标签：

        /// <summary>
        /// Sanitizes the source by replacing any value matching the param text within HTML Tag with asterisks.
        /// This ensures that only HTML content will be considered.
        /// </summary>
        /// <param name="s">The source to look for Html Tags.</param>
        /// <param name="text">The text to be looked for in the source.</param>
        /// <returns>Source with sanitized HTML, if any. If no HTML was found returns the source itself.</returns>
        private static string SanitizeSource(string s, string text)
        {
            var regex = new Regex("<(.*)>(.*?)</(.*?)>");
            var m = regex.Match(s);

            if (!m.Success) { 
                return s;
            }

            var tagStart = m.Groups[1].Value.Replace(text, new string('*', text.Length), StringComparison.OrdinalIgnoreCase);
            var tagContent = m.Groups[2].Value;
            var tagEnd = m.Groups[3].Value;

            var newSource = $"<{tagStart}>{tagContent}</{tagEnd}>";

            return newSource;
        }

我想递归调用这个方法总是寻找嵌套的 HTML 标签，但我想知道是否有更优雅的方法？

编辑：

根据答案，上面的代码变成了：

        private static string SanitizeSource(string s, string text)
        {
            var result = Regex.Replace(s, "(?<==('|\"))(.*?)(?=(\\1))", new string('*', text.Length));

            return result;
        }

我仍在处理一些边缘情况，例如字符串：

"<img src="http://lorem.png" />Lorem ipsum dolor sit amet, consectetur adipiscing elit."

应该变成：

"<img src="http://*****.png" />Lorem ipsum dolor sit amet, consectetur adipiscing elit."

目前该模式正在删除等号 = 之后的所有内容。

编辑：

在寻找一个干净的解决方案并自己尝试之后，我发现尝试使用 RegExp 处理 HTML 字符串很容易出错。尽管我之前在 StackOverflow 上找到了一些链接，但我仍然不确定这是否好。确实HtmlAgilityPack 是我最好的选择。

Answer 1

您可以使用以下正则表达式匹配 =' 和 '> 之间的文本，然后将其替换为星号。

(?<=='|=")(.+?)(?='|"|'>)

Demo