RegEx - 永远挂起[重复]答案

【问题标题】：RegEx - Hangs forever [duplicate]RegEx - 永远挂起[重复]
【发布时间】：2019-09-12 08:02:34
【问题描述】：

我在 .NET 中遇到了 RegEx 替换的奇怪行为。我拥有的正则表达式是从特定字符串替换 html 标签，只留下<br> 标签。以下是我尝试使用的 HTML。

<h3 class="a-spacing-mini" style="box-sizing: border-box; margin-top: 0px; margin-right: 0px; margin-left: 0px; padding: 0px; text-size-adjust: 100%; text-rendering: optimizelegibility; font-size: 17px; line-height: 1.255; font-family: Arial, sans-serif; color: rgb(17, 17, 17); background-color: rgb(255, 255, 255); margin-bottom: 6px !important;">Support Healthy Memory &amp; Hormone Balance*</h3><h5 class="a-spacing-mini a-color-secondary" style="box-sizing: border-box; margin-top: 0px; margin-right: 0px; margin-left: 0px; padding: 0px; text-size-adjust: 100%; font-size: 13px; line-height: 19px; font-family: &quot;Amazon Ember&quot;, Arial, sans-serif; background-color: rgb(255, 255, 255); margin-bottom: 6px !important; color: rgb(136, 136, 136) !important;">Fight pregnenolone decline</h5><p class="a-spacing-base" style="box-sizing: border-box; margin-top: 0px; margin-right: 0px; margin-left: 0px; padding: 0px; text-size-adjust: 100%; color: rgb(17, 17, 17); font-family: &quot;Amazon Ember&quot;, Arial, sans-serif; font-size: 13px; background-color: rgb(255, 255, 255); margin-bottom: 14px !important;">Pregnenolone is made from cholesterol in the mitochondria of the adrenal glands and nervous system. Since its levels decline with age, supplementation is recommended.</p><h5 class="a-spacing-mini a-color-secondary" style="box-sizing: border-box; margin-top: 0px; margin-right: 0px; margin-left: 0px; padding: 0px; text-size-adjust: 100%; font-size: 13px; line-height: 19px; font-family: &quot;Amazon Ember&quot;, Arial, sans-serif; background-color: rgb(255, 255, 255); margin-bottom: 6px !important; color: rgb(136, 136, 136) !important;">The 'mother hormone'</h5><p class="a-spacing-base" style="box-sizing: border-box; margin-top: 0px; margin-right: 0px; margin-left: 0px; padding: 0px; text-size-adjust: 100%; color: rgb(17, 17, 17); font-family: &quot;Amazon Ember&quot;, Arial, sans-serif; font-size: 13px; background-color: rgb(255, 255, 255); margin-bottom: 14px

下面是我用来替换所有标签的VB.NET代码，除了<br>

    Public Shared Function StripHTMLTagsAllowBreakOnly(ByVal text As String) As String
        Dim AcceptableTags As String = "br"
        Dim WhiteListPattern As String = "</?(?(?=" & AcceptableTags & ")notag|[a-zA-Z0-9]+)(?:\s[a-zA-Z0-9\-]+=?(?:([""']?).*?\1?)?)*\s*/?>"
        text = Regex.Replace(text, WhiteListPattern, "", RegexOptions.Compiled)
        Return text
    End Function

有趣的是，当这个方法使用上面提到的 HTML 执行时，它永远不会完成对 RegEx.Replace 方法的调用。

有人对此有想法吗？是具体的表达方式还是别的什么。

我知道 HTML 不完整，并且缺少一些结束标签，但是，我从没想过 RegEx 会永远挂在那里。（在实时服务器上，它挂起超过 24 小时，不得不终止进程）。

谢谢

【问题讨论】：

看起来你可以像"(?></?)(?!" & AcceptableTags & "\b)[a-zA-Z0-9]+(?:\s+[a-zA-Z0-9-]+(?:=(?:([""']?).*?\1?)?))*\s*/?>"一样修复它
我会推荐 HtmlAgilityPack 库用于任何涉及解析 HTML 的工作。让 Regex 与解析 HTML 一起工作是痛苦且容易出错的。
有人说Parse HTML with Regex吗？因为我听说有人说 Parse HTML with Regex！

标签： html .net regex

【解决方案1】：

好像和它一起工作

Dim AcceptableTags As String = "br"
Dim WhiteListPattern As String = ("<(?!" + (AcceptableTags + ")[^>]*(>|$)"))
text = Regex.Replace(text, WhiteListPattern, "", RegexOptions.Compiled)

但是，RegEx 不应该进入无限循环（我猜是这样，这就是它永远运行的原因）。

抛出错误或其他东西更有意义，但永远卡在某个地方没有意义。

谢谢大家

【讨论】：