如何修剪空间？

Question

我有一个字符串，它的开头和结尾都有空格。例如：

<para> This is a test paragraph </para>

现在我有一个正则表达式 "(<\\w+[^<>\\/]*> | <\\/\\w+>)" 可以找到 > 和 < 之间的任何开始和结束空格。

所以，如果我在开头或结尾发现任何空格，或者两者都有，我想修剪它。

我该怎么做？

我想到了：

string mainstring = "<para> This is a test paragraph </para>";
string regex1 = "(<\\w+[^<>\\/]*> | <\\/\\w+>)";
string regex2 = "(<\\w+[^<>\\/]*>|<\\/\\w+>)";
mainstring = Regex.replace(mainstring, regex1, regex2);

但这行不通。

另外，我的字符串包含多行。

string mainstring = "<para> This is a test paragraph </para>";
string regex1 = "(<\\w+[^<>\\/]*> | <\\/\\w+>)";
mainstring = Regex.replace(mainstring, regex1, "");

但这会删除所有找到的值并将其替换为""。

主要输入： "<para> This is a test paragraph </para>"
预期输出： "<para>This is a test paragraph</para>"

Answer 1

我认为最简单的方法是提取标签之间的文本，然后对该文本使用Trim() 方法：

  var mainstring = "<para> This is a test paragraph </para>";
  // First index of >
  var start = mainstring.IndexOf(">") + 1;
  var prefix = mainstring.Substring(0, start);
  // Last index of <
  var end = mainstring.LastIndexOf("<") - 1;
  var suffix = mainstring.Substring(end + 1);
  mainstring = prefix + mainstring.Substring(start, end - start + 1).Trim() + suffix;

无需使用正则表达式

Answer 2

您可以使用此正则表达式来捕获标签和内部文本，忽略标签之后和之前的空格，

(<(\w+)>)\s*(.*?)\s*(<\/\2>)

并用\1\3\4 替换所有内容，这将删除不需要的空格并保留其余部分。

如果\w 对你来说不够用，你可以扩大标签的字符集，可以使用[\w.-] 等。

Demo

检查这些C# codes for demo，

string pattern = @"(<(\w+)>)\s*(.*?)\s*(</\2>)";
string substitution = "$1$3$4";
string input = "<para> This is a test paragraph </para>";
Console.WriteLine("Before: " + input);
Regex regex = new Regex(pattern);
string result = regex.Replace(input, substitution);
Console.WriteLine("After: " + result);

打印，

Before: <para> This is a test paragraph </para>
After: <para>This is a test paragraph</para>

Answer 3

在要保留的部分周围使用capturing groups（在替换模式中用backreferences 替换它们）和\s+ 删除空格：

string mainstring = "<para> This is a test paragraph </para>";
string regex1 = @"(<\w+[^<>/]*>)\s+|\s+(</\w+>)";
mainstring = Regex.Replace(mainstring, regex1, "$1$2");
Console.WriteLine(mainstring);

请参阅C# demo。

详情

• (<\w+[^<>/]*>)\s+ - 第 1 组 ($1)：<，1+ 个单词字符，除 <、>、/ 以外的 0 个或多个字符（请注意，您不必在 / 中转义一个 .NET 正则表达式），然后是 >，然后是组外的 1+ 个空格
• | - 或
• \s+ - 1+ 个空格
• (</\w+>) - 第 2 组 ($2)：</，1+ 个单词字符和一个 >。

这里是.NET regex demo：