忽略空href的正则表达式

Question

我写了一个函数来替换 href 的值与 somevalue + 原始 href 值

说：-

<a href="/somepage.htm" id="test">

替换为

<a href="http//www.stackoverflow.com/somepage.htm" id="test">

不需要更换的地方：-

<a href="http//www.stackoverflow.com/somepage.htm" id="test">
 <a href="#" id="test">
<a href="javascript:alert('test');" id="test">
<a href="" id="test">

我编写了以下方法，适用于所有情况，但不适用于 href 的空白值

public static string RelativeToAbsoluteURLS(string text, string absoluteUrl, string pattern = "src|href")
    {
        if (String.IsNullOrEmpty(text))
        {
            return text;
        }
        String value = Regex.Replace(text, "<(.*?)(" + pattern + ")=\"(?!http|javascript|#)(.*?)\"(.*?)>", "<$1$2=\"" + absoluteUrl + "$3\"$4>", RegexOptions.IgnoreCase | RegexOptions.Multiline);

        return value.Replace(absoluteUrl + "/", absoluteUrl);
    }

写?!http|javascript|# 忽略http, javascript, #，所以它适用于这些情况，但如果我们考虑以下部分

(?!http|javascript|#)(.*?)

并将此 * 替换为 +

(?!http|javascript|#)(.+?)

它不适用于空箱。

Answer 1

将* 更改为+ 不起作用，因为你完全弄错了：

• * 表示“零个或多个”
• + 表示“一个或多个”

因此，使用+，您是在强制内容在出现在该位置，而不是让内容丢失。

您弄错的另一件事是展示位置。那个地方的* 指的是.。它们一起表示“零个或多个字符”。所以，这部分已经不需要任何内容了。因此，由于您的正则表达式目前不适用于空内容，因此 other 似乎需要这样做。

看前面的表达式：

(?!http|javascript|#)(.*?)

?! 是一个零宽度的负前瞻。零宽度。消极的。这意味着它也不需要任何内容​​。

所以，我得到了你的代码，将它粘贴到 the online compiler，然后我用你的示例输入它 <a href="" id="test">：

使用 System.IO； 使用系统； 使用 System.Text.RegularExpressions;

class Program
{
    static void Main()
    {
        string text = "<a href=\"\" id=\"test\">";
        string pattern = "src|href";
        string absoluteUrl = "YADA";
        string value = Regex.Replace(text, "<(.*?)(" + pattern + ")=\"(?!http|javascript|#)(.*?)\"(.*?)>", "<$1$2=\"" + absoluteUrl + "$3\"$4>", RegexOptions.IgnoreCase | RegexOptions.Multiline);

        Console.WriteLine(value);
    }
}

猜猜它的作用：

Compiling the source code....
$mcs main.cs -out:demo.exe 2>&1

Executing the program....
$mono demo.exe 
<a href="YADA" id="test">

所以，要么您没有说实话，要么您在此处发布代码时更改了代码，或者您的代码中有其他完全混乱的东西，对不起。

编辑：

所以，原来 href="" 是要被忽略的。

然后，您可以做的最简单的事情是添加另一个否定前瞻，这将明确阻止 href="" 案例。但是，请注意，该组的位置会有所不同。当前组位于 href 的引号内，因此它无法“窥视”整个 href 引号的外观。新组必须在引号之前。

"<(.*?)(" + pattern + ")=(?!\"\")\"(?!http|javascript|#)(.*?)\"(.*?)>"

请注意，就在 href 的第一个引用之前，我添加了一个 (?!\"\")，以确保“不会出现引用跟随引用的情况”。

Answer 2

我知道你要的是 RegEx。

但这里有一个替代方案，因为我认为使用Uri.IsWellFormedUriString 是值得的。 这样你也可以重用辅助函数：

public string RelativeToAbsoluteURLS(string text, string absoluteUrl, string pattern = "src|href")
{
    if (isHrefRelativeURIPath(text)){
        text = absoluteUrl + "/" + System.Text.RegularExpressions.Regex.Replace("///days/hours.htm", @"^\/+", "");
    }

    return text;
}

public bool isHrefRelativeURIPath(string value) {
    if (isLink(value) ||
        value.StartsWith("#") ||
        value.StartsWith("javascript"))
    {
        return false;
    }

    // Others Custom exclusions

    return true;
}


public bool isLink(string value) {
    if (String.IsNullOrEmpty(value))
        return false;

    return Uri.IsWellFormedUriString("http://" + value, UriKind.Absolute);
}