替换双引号html属性内的双引号

Question

在某些情况下，我的客户向我发送了一个 html 字符串，其中包含一些结构不正确的元素属性。像这样：

<img src="../imgTest.jpg" alt="Something "quoted here, or here"">

接下来我如何动态地将这些情况更改为类似的情况？

<img src="../imgTest.jpg" alt="Something 'quoted here, or here'">

我需要这个 html 不是在浏览器上显示，而是用它做一些操作。

我正在使用 HtmlAgilityPack 来控制 html 问题，但对于这些情况，它会将我的 html 字符串更改为此，这不是我想要的：

<img src="../imgTest.jpg" alt="Something" quoted="" here,="" or="" here="">

我的 HtmlAgilityPack 代码：

var htmlDoc = new HtmlDocument();
htmlDoc.OptionFixNestedTags = true;
htmlDoc.LoadHtml(myHtmlStr);

var htmlError = htmlDoc.ParseErrors.SafeAny();

if (!htmlError)
    myHtmlStr = htmlDoc.DocumentNode.InnerHtml;

Answer 1

我的想法是匹配"，如果它在标签内并且不是属性限定符。

免责声明：此解决方案可能无法在 100% 的情况下工作（如果元素/属性名称中添加了命名空间，则需要进行调整），但当标签名称紧跟 < 时，它应该可以工作，双引号是用作属性值限定符，属性内没有<符号。

使用

(?<=<\w+\b[^<]*)(?<!\w+=)"(?!\s*/?>|\s+\w+=")

并替换为'。

请参阅regex demo。

第一个lookbehind确保我们在标签中搜索双引号，如果在双引号之前有一个后跟等号的单词，则第二个将失败匹配，如果双引号，则否定的lookahead匹配失败引号后跟空格，后跟右尖括号（可能前面是正斜杠），或者当有空格后跟一个单词后跟等号时。