RegEx匹配的HTML風格標籤打開，內容和關閉

-1

嘿大家，我在另一個編碼冒險。我今天早些時候開始自學了一些基本的RegEx，並且創建了一個C＃應用程序，它輸入一個HTML文件和一個RegExes列表框，然後使用這些RegEx來替換或刪除HTML標籤。我設法使一些正常工作的RegExes清理並移除亂拋垃圾表的標籤，但我還需要刪除硬編碼css樣式的混亂，並將其替換爲對外部參考的引用。經過大量的試驗和錯誤，我終於想出了一些從<style type="text/css">到</style>中選擇的東西，但由於某種原因，它完全跳過了單獨的樣式標籤塊。儘管如此，它在最後一個結束時停止。這是一個比需要的信息更好奇，這應該現在工作正常，因爲我可以將與單一<link>相匹配的內容替換爲外部CSS。截至目前，我正則表達式是這樣的：RegEx匹配的HTML風格標籤打開，內容和關閉

<style((\s+\w+(\s*=\s*(?:".*?"|'.*?'|[^'">\s]+))?)+\s*|\s*)>(.*?\r\n)*(</style>)

上半年從here拍攝，中間位是我奮鬥最有，因爲我已經忘記了\ r \ n和當然的了關閉標籤是逐字的。

就像我說的，這工作得很好，我唯一的疑慮是，這種代碼：

<style type="text/css"> 
<!-- 
#wrapper #content #main2col .modbox tr td { 
    color: #3366cc; 
    border-top-style: solid; 
    border-right-style: solid; 
    border-bottom-style: solid; 
    border-left-style: solid; 
} 
#wrapper #content #main2col .modbox tr td p em { 
    color: #0a304e; 
} 
#wrapper #content #main2col .modbox tr td em br { 
    color: #0a304e; 
} 
#wrapper #content #main2col .modbox tr td em strong { 
    color: #0a304e; 
} 
#wrapper #content #main2col p strong { 
    color: #0a304e; 
} 
#wrapper #content #main2col table tr td strong { 
    color: #0a304e; 
} 
--> 
</style> 
<style type="text/css"> 
<!-- 
table.modbox { 
    font-size:9pt; 
    font-HCMmily:"Calibri", "sans-serif"; 
    border-top-style: solid; 
    border-right-style: solid; 
} 
p.modbox { 
    margin-top:0in; 
    margin-right:0in; 
    margin-bottom:10.0pt; 
    margin-left:0in; 
    line-height:normal; 
    font-size:11.0pt; 
    font-HCMmily:"Calibri", "sans-serif"; 
} 
#wrapper #content #main2col .modbox tr .modbox { 
    color: #09C; 
    font-style: normal; 
} 
#wrapper #content #main2col .modbox { 
    color: #3366cc; 
} 
#wrapper #content #main2col .modbox { 
    color: #3a5774; 
} 
#wrapper #content #main2col .modbox tr .modbox .MsoNormal .modbox { 
    color: #3a5774; 
} 
#wrapper #content #main2col .modbox { 
    color: #3a5774; 
} 
--> 
</style> 
<style type="text/css"> 
<!-- 
table.MsoTableGrid { 
    border:solid; 
    font-size:11.0pt; 
    font-HCMmily:"Calibri", "sans-serif"; 
} 
p.MsoNormal { 
    margin-top:0in; 
    margin-right:0in; 
    margin-bottom:5pt; 
    margin-left:0in; 
    line-height:normal; 
    font-size:10pt; 
    font-HCMmily:"Calibri", "sans-serif"; 
} 
--> 
</style> 
<style type="text/css"> 
<!-- 
table.modbox { 
font-size:10.0pt; 
font-family:"Times New Roman","serif"; 
} 
--> 
</style>

只有一個匹配，返回。我想弄清楚爲什麼它沒有抓住</style>的拳頭關閉標籤。爲了記錄，我嘗試添加（\ r \ n）？關閉標籤位後，但沒有任何區別。

今天是我第一次與RegEx合作，所以我真的很陌生，我可能會犯一個非常簡單的錯誤。

任何人都可以解釋我做錯了什麼嗎？任何援助非常感謝！

來源

2011-04-23 Omega192

HTML與正則表達式解析通常是不好的主意：http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags/1732454#1732454 – Alex 2011-04-23 08:03:30

有上面的正則表達式的第二個問題：閉合樣式標籤永遠不會匹配。它必須是（<[/]style>）匹配反斜槓！ – sebilasse 2017-04-07 09:54:52

不要對HTML標籤使用正則表達式！使用解析器代替... – c24b 2017-10-30 15:53:45

我會說你有你的正則表達式的貪婪問題。最有可能的是，你應該檢查所有的星星（*）和加號（+），在他們後面添加一個詢問標記（？）。像

(.*?\r\n)* => (.*?\r\n)*?

在一個側面說明，想要解析HTML/XML與正則表達式是一個壞主意，爲什麼不使用一個簡單的HTML解析器和檢索標籤的內容？

來源

2011-04-23 08:00:04 Bruce

貪婪你說？我曾看過那篇文章出現在我閱讀的幾篇文章中，但從未完全理解，我會做一些進一步的研究並嘗試。 RegEx是首先想到的，再加上我一直想學習它的一些基本知識。我曾在這裏看到過其他一些問題，提到用HTML做不好的選擇，因爲它不是普通的語言，解析器更好。雖然，我不知道如何使用解析器，所以我也會研究它。如果您的建議有效，我會接受您的答案。感謝您的快速和有益的迴應！ – Omega192 2011-04-23 09:07:27

果然，這一個人物變化使它正常工作。我有一種感覺，它會是一件非常簡單的事情，哈哈。非常感謝！接受的答案：] – Omega192 2011-04-23 09:43:24

正則表達式的默認行爲如果貪婪：爲每個組匹配儘可能多的mutch，爲了改變它，你添加一個？在乘號（*或+）後，它表示匹配，但保持組儘可能小以允許進一步匹配。 – Bruce 2011-04-23 10:03:41

RegEx匹配的HTML風格標籤打開，內容和關閉

回答

相關問題