如何在结束标签之前搜索一些标点符号？

Question

我在文件中有一些文本

<title>Dhind</title>
<title>WT.</title>
<title>Plant Leaves:</title>
<title>Denia;</title>
<title>Erod&#x00E9;</title>

我试图找出在我的文件中结束标记 </title> 之前是否有点、逗号、分号或冒号，除非有一个不代表 4 位十六进制实体的分号。 ..IE。搜索应该会找到以下结果

<title>WT.</title>
<title>Plant Leaves:</title>
<title>Denia;</title>

而不是<title>Erodé</title>，因为“;”是实体代码的一部分，因此被忽略。

我目前正在使用这个正则表达式 string pattern = @"([.,:]|((?<!&#x\w{4});))</title>" 并与之匹配。

有没有更有效的正则表达式模式来做到这一点，我不是很擅长正则表达式...

注意：该文件不是有效的 xml 或 html，因此 xml/html 解析技术在这里没有用处。

Answer 1

这个正则表达式应该可以解决问题：

(?<!&#x[0-9a-fA-F]{4});(?=<\/title>)|([,.:])(?=<\/title>)

看这里

https://regex101.com/r/GSYf0w/1

Answer 2

正则表达式：

<title>.*(?:\.|,|:|;)(?<!&#x[0-9a-fA-F]{4};)<\/title>

Demo

解释：

• 按字面意思匹配字符（区分大小写）
• .* 匹配任何字符（行终止符除外）
• * 量词 - 在零次和无限次之间匹配，尽可能多次，根据需要回馈（贪婪）
• 非捕获组(?:.|,|:|;)
• 第一种选择。
• \。匹配字符。字面意思（区分大小写）
• 第二选择，
• ，匹配字符，字面意思（区分大小写）
• 第三种选择：​​i>
• ：匹配字符：字面意思（区分大小写）
• 第四个备选方案；
• ；匹配字符；字面意思（区分大小写）
• 负后视 (?
• 断言下面的正则表达式不匹配
• 匹配字符 字面意思（区分大小写）
• 匹配以下列表中的单个字符 [0-9a-fA-F]{4}
• {4} 量词 - 精确匹配 4 次
• 0-9 介于 0（索引 48）和 9（索引 57）之间的单个字符（区分大小写）
• a-f 介于 a（索引 97）和 f（索引 102）之间的单个字符（区分大小写）
• A-F 介于 A（索引 65）和 F（索引 70）之间的单个字符（区分大小写）
• ；匹配字符；字面意思（区分大小写）
• / 匹配字符/字面意思（区分大小写）
• title> 匹配字符 title> 字面意思（区分大小写）