如何删除所有出现的包含未知字符的子字符串？

Question

通常，您会使用以下表达式从字符串中删除所有子字符串：

text.Replace(" uipath_custom_id=""587""","")

这会删除字符串中的所有子字符串，并且在没有任何此类子字符串时不会抛出异常。

但是如果引号之间有未知字符怎么办？有未知字符时如何达到相同的结果？

这是我要处理的字符串。有时它包含多个“uipath_custom_id=""587""" 子字符串，有时没有。

outerhtml='<div class="_3_7SH _3DFk6 message-out" uipath_custom_id="567"><div class="Tkt2p"><div class="copyable-text" data-pre-plain-text="[9:42 AM, 5/15/2019] sash: "><div class="_3zb-j ZhF0n"><span dir="ltr" class="selectable-text invisible-space copyable-text">Hello World!</span></div></div><div class="_2f-RV"><div class="_1DZAH" role="button"><span class="_3EFt_">9:42 AM</span><div class="_32uRw"><span data-icon="msg-time" class=""><svg id="Layer_1" xmlns="http://www.w3.org/2000/svg" viewBox="0 0 16 15" width="16" height="15"><path fill="#859479" d="M9.75 7.713H8.244V5.359a.5.5 0 0 0-.5-.5H7.65a.5.5 0 0 0-.5.5v2.947a.5.5 0 0 0 .5.5h.094l.003-.001.003.002h2a.5.5 0 0 0 .5-.5v-.094a.5.5 0 0 0-.5-.5zm0-5.263h-3.5c-1.82 0-3.3 1.48-3.3 3.3v3.5c0 1.82 1.48 3.3 3.3 3.3h3.5c1.82 0 3.3-1.48 3.3-3.3v-3.5c0-1.82-1.48-3.3-3.3-3.3zm2 6.8a2 2 0 0 1-2 2h-3.5a2 2 0 0 1-2-2v-3.5a2 2 0 0 1 2-2h3.5a2 2 0 0 1 2 2v3.5z"></path></svg></span></div></div></div></div><span></span></div>'

Answer 1

首先，必须说——当尝试解析或操作 HTML 时，正则表达式不是正确的工具。 HTML 不是“常规语言”，因此如果您愿意，正则表达式不足以处理解析它们。话虽这么说，如果您尝试对 HTML 执行的操作足够简单，并且被解析的 HTML 在其内容和格式方面相对一致，那么有时正则表达式就可以了，而成熟的 HTML 解析引擎只是矫枉过正。如果是这种情况，那么您可以像这样使用正则表达式：

Dim outerHtml As String = "<div class=""_3_7SH _3DFk6 message-out"" uipath_custom_id=""567""><div class=""Tkt2p""><div class=""copyable-text"" data-pre-plain-text=""[9:42 AM, 5/15/2019] sash: ""><div class=""_3zb-j ZhF0n""><span dir=""ltr"" class=""selectable-text invisible-space copyable-text"">Hello World!</span></div></div><div class=""_2f-RV""><div class=""_1DZAH"" role=""button""><span class=""_3EFt_"">9:42 AM</span><div class=""_32uRw""><span data-icon=""msg-time"" class=""""><svg id=""Layer_1"" xmlns=""http://www.w3.org/2000/svg"" viewBox=""0 0 16 15"" width=""16"" height=""15""><path fill=""#859479"" d=""M9.75 7.713H8.244V5.359a.5.5 0 0 0-.5-.5H7.65a.5.5 0 0 0-.5.5v2.947a.5.5 0 0 0 .5.5h.094l.003-.001.003.002h2a.5.5 0 0 0 .5-.5v-.094a.5.5 0 0 0-.5-.5zm0-5.263h-3.5c-1.82 0-3.3 1.48-3.3 3.3v3.5c0 1.82 1.48 3.3 3.3 3.3h3.5c1.82 0 3.3-1.48 3.3-3.3v-3.5c0-1.82-1.48-3.3-3.3-3.3zm2 6.8a2 2 0 0 1-2 2h-3.5a2 2 0 0 1-2-2v-3.5a2 2 0 0 1 2-2h3.5a2 2 0 0 1 2 2v3.5z""></path></svg></span></div></div></div></div><span></span></div>"
Dim pattern As String = "\buipath_custom_id=""[^""]+""\b"
outerHtml = Regex.Replace(outerHtml, pattern, "")

根据您的需要，您可以使模式更严格。例如，您可以通过使用\d 而不是[^""]，将引号之间的“未知”文本限制为仅在它是数字时才被替换。或者，你可以让它变得更宽容。例如，您可以通过在等号两侧添加 \s* 来使其允许在等号周围留有空格，如下所示：

Dim pattern As String = "\buipath_custom_id\s*=\s*""\d+""\b"

关键是，正则表达式非常灵活，因此您想对其施加哪些规则，或者您希望允许哪些变化取决于您。 Here's a handy quick-reference guide 用于 .NET 中的正则表达式语法。