无限循环中的 .NET 正则表达式答案

【问题标题】：.NET Regular Expressions in Infinite Cycle无限循环中的 .NET 正则表达式
【发布时间】：2008-11-27 14:56:36
【问题描述】：

我正在使用 .NET 正则表达式去除 HTML 代码。

使用类似的东西：

<title>(?<Title>[\w\W]+?)</title>[\w\W]+?<div class="article">(?<Text>[\w\W]+?)</div>

这在 99% 的情况下都有效，但有时在解析时...

Regex.IsMatch(HTML, Pattern)

解析器只是阻塞，它将在这行代码上继续运行几分钟或无限期。

发生了什么事？

【问题讨论】：

标签： c# vb.net visual-studio regex

【解决方案1】：

当您的 HTML 字符串实际上包含适合该模式的 HTML 时，您的正则表达式将正常工作。但是当您的 HTML 不符合该模式时，例如如果缺少最后一个标签，您的正则表达式将显示我所说的“catastrophic backtracking”。单击该链接并向下滚动到“快速匹配完整的 HTML 文件”部分。它准确地描述了您的问题。 [\w\W]+?是一种复杂的说法。+？使用 RegexOptions.SingleLine。

【讨论】：

【解决方案2】：

通过一些努力，您可以使正则表达式在 html 上工作 - 但是，您看过 HTML agility pack 了吗？这使得将 html 作为 DOM 使用变得更加容易，并支持 xpath 类型的查询等（即“//div[@class='article']”）。

【讨论】：

【解决方案3】：

您要求您的正则表达式在那里做很多事情。在每个字符之后，它必须向前看，看下一位文本是否可以与模式的下一部分匹配。

Regex 是一种模式匹配工具。虽然您可以使用它进行简单的解析，但最好使用特定的解析器（例如 HTML Agility 包，正如我的 Marc 所提到的）。

【讨论】：