轉換爲HTML字符串中的HTML實體

我試圖將包含HTML標記的HTML字符串中的>字符的所有實例轉換爲與其等效的HTML實體>。我用這個解決方案得到的最遠距離是使用正則表達式。轉換爲HTML字符串中的HTML實體

這是我到目前爲止有：

 public static readonly Regex HtmlAngleBracketNotPartOfTag = new Regex("(?:<[^>]*(?:>|$))(>)", RegexOptions.Compiled | RegexOptions.Singleline);

我在被隔離單>字符不是一個HTML標記的一部分的主要問題。我不想轉換任何現有的標籤，因爲我需要保留HTML進行渲染。如果我不轉換>字符，我會得到格式不正確的HTML，這會在瀏覽器中導致呈現問題。

這是一個測試字符串的示例來解析：

"Ok, now I've got the correct setting.<br/><br/>On 12/22/2008 3:45 PM, [email protected] wrote:<br/><div class"quotedReply">> Ok, got it, hope the angle bracket quotes are there.<br/>><br/>> On 12/22/2008 3:45 PM, > [email protected] wrote:<br/>>> Please someone, reply to this.<br/>>><br/>><br/></div>"

在上述字符串中，沒有>字符是HTML標記的部分的應轉換爲>。所以，這樣的：

<div class"quotedReply">>

應成爲這樣：

<div class"quotedReply">&gt;

另一個問題是，上面的表達式使用非捕獲基團，其是除了一個事實，即匹配是在第1組細。我不太清楚如何僅替換第一組，並保留比賽的其餘部分。看起來MatchEvaluator並沒有真正做到這一點，或者我現在無法想象它。

我懷疑我的正則表達式可以做一些喜歡'。

任何人有任何明智的想法？

來源

2008-12-23 steve_c

有點有趣這裏...我想你的例子吃了。當你想逐字粘貼某些東西時，你應該在編輯器中檢查「代碼示例」按鈕。即使我不得不回去編輯我的答案，因爲我使用了＆GT，它翻譯了它...... :) – LarryF 2008-12-23 22:37:50

哦，諷刺。 :) – 2008-12-23 23:05:34

關鍵是要抓住一切不是目標，然後修改文本插回順，就像這樣：

Regex.Replace(str, @"\G((?>[^<>]+|<[^>]*>)*)>", "$1&gt;");

但安東尼的權利：文本節點右尖括號不應該引起任何問題。將HTML與正則表達式匹配很棘手;例如，評論和CDATA幾乎可以包含任何東西，所以一個強大的正則表達式將不得不專門匹配它們。

來源

2008-12-23 23:15:46

也許將您的HTML讀取到XML解析器中，該解析器應該爲您處理轉換。

來源

2008-12-23 22:23:08

我不確定這是做他正在做的事情的正確方法。 – LarryF 2008-12-23 22:39:26

您是在談論HTML標記內的字符（如Java的innerText中）還是HTML標記的參數列表中？

如果您只想對開始和結束標記之間的文本進行消毒，那應該相當簡單。只需找到任何>字符，並用& gt;代替它。（我也會用& lt標籤），但HTML渲染引擎應該爲你照顧這個...

舉一個你正在試圖淨化的例子，也許我們找一個最好的解決方案。

拉里

來源

2008-12-23 22:23:33 LarryF

我正在談論不屬於HTML標籤的字符，包括組成標籤的字符。 – 2008-12-23 22:30:24

，你可以讀取字符串轉換爲XML文檔，並期待在價值觀，並與值>更換>。這需要遞歸地進入文檔中的每個節點，但這不應該太難。

來源

2008-12-23 22:23:59

我想到了這個使用HTML解析器。我遇到的問題是，並非所有東西都在節點內，所以它放棄了所有不在節點之間的文本。 – 2008-12-23 22:29:36

哪裏不是一個HTML標記的一部分，而不是在一個節點內？ – 2008-12-24 03:55:15

Steve_C，你可以試試這個RegEx。這將在參考文獻1中捕獲任何HTML標籤，並且標籤之間的文本存儲在捕獲文件2中。我沒有完全測試這個，只是把它扔到那裏以防萬一它有幫助。

<([A-Z][A-Z0-9]*)[^>]*>(.*?)</\1>

來源

2008-12-23 22:33:15 LarryF

爲什麼要這樣做？ >正在做什麼？我遇到的大多數解析器都很喜歡a>，而不需要將它轉義爲實體。

此外，在將它們與包含HTML標記的字符串連接在一起之前，先用HtmlUtilty.HtmlEncode對內容字符串進行正確編碼會更合適，因此如果這在您的控制之下，您應該考慮在那裏處理它。

來源

2008-12-23 22:50:44 AnthonyWJones

轉換爲HTML字符串中的HTML實體

回答

相關問題