RegEx匹配的HTML风格标签打开，内容和关闭

-1

嘿大家，我在另一个编码冒险。我今天早些时候开始自学了一些基本的RegEx，并且创建了一个C＃应用程序，它输入一个HTML文件和一个RegExes列表框，然后使用这些RegEx来替换或删除HTML标签。我设法使一些正常工作的RegExes清理并移除乱抛垃圾表的标签，但我还需要删除硬编码css样式的混乱，并将其替换为对外部参考的引用。经过大量的试验和错误，我终于想出了一些从<style type="text/css">到</style>中选择的东西，但由于某种原因，它完全跳过了单独的样式标签块。尽管如此，它在最后一个结束时停止。这是一个比需要的信息更好奇，这应该现在工作正常，因为我可以将与单一<link>相匹配的内容替换为外部CSS。截至目前，我正则表达式是这样的：RegEx匹配的HTML风格标签打开，内容和关闭

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

上半年从here拍摄，中间位是我奋斗最有，因为我已经忘记了\ r \ n和当然的了关闭标签是逐字的。

就像我说的，这工作得很好，我唯一的疑虑是，这种代码：

<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>

只有一个匹配，返回。我想弄清楚为什么它没有抓住</style>的拳头关闭标签。为了记录，我尝试添加（\ r \ n）？关闭标签位后，但没有任何区别。

今天是我第一次与RegEx合作，所以我真的很陌生，我可能会犯一个非常简单的错误。

任何人都可以解释我做错了什么吗？任何援助非常感谢！

来源

2011-04-23 Omega192

HTML与正则表达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

有上面的正则表达式的第二个问题：闭合样式标签永远不会匹配。它必须是（<[/]style>）匹配反斜杠！ – sebilasse 2017-04-07 09:54:52

不要对HTML标签使用正则表达式！使用解析器代替... – c24b 2017-10-30 15:53:45

我会说你有你的正则表达式的贪婪问题。最有可能的是，你应该检查所有的星星（*）和加号（+），在他们后面添加一个询问标记（？）。像

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

在一个侧面说明，想要解析HTML/XML与正则表达式是一个坏主意，为什么不使用一个简单的HTML解析器和检索标签的内容？

来源

2011-04-23 08:00:04 Bruce

贪婪你说？我曾看过那篇文章出现在我阅读的几篇文章中，但从未完全理解，我会做一些进一步的研究并尝试。 RegEx是首先想到的，再加上我一直想学习它的一些基本知识。我曾在这里看到过其他一些问题，提到用HTML做不好的选择，因为它不是普通的语言，解析器更好。虽然，我不知道如何使用解析器，所以我也会研究它。如果您的建议有效，我会接受您的答案。感谢您的快速和有益的回应！ – Omega192 2011-04-23 09:07:27

果然，这一个人物变化使它正常工作。我有一种感觉，它会是一件非常简单的事情，哈哈。非常感谢！接受的答案：] – Omega192 2011-04-23 09:43:24

正则表达式的默认行为如果贪婪：为每个组匹配尽可能多的mutch，为了改变它，你添加一个？在乘号（*或+）后，它表示匹配，但保持组尽可能小以允许进一步匹配。 – Bruce 2011-04-23 10:03:41

RegEx匹配的HTML风格标签打开，内容和关闭

回答

相关问题