不在 SRC 或 HREF 中时，正则表达式替换双空格答案

【问题标题】：Regex replace double spaces when not in SRC or HREF不在 SRC 或 HREF 中时，正则表达式替换双空格
【发布时间】：2012-12-06 23:33:15
【问题描述】：

目前我正在做一个项目来去除所有不必要的 HTML。我已经完成了，但我正在使用以下代码替换双空格：

Private Function stripDubbleSpace(ByVal fileContent As String) As String
    While fileContent.IndexOf("  ") <> -1
        fileContent = fileContent.Replace("  ", " ")
    End While
    Return fileContent.Replace("  ", " ")
End Function

上面的代码有效，但在 HREF 或 SRC 中，当您将双倍空格替换为 1 个空格时，url 将变为 404。不要问为什么我的网址中有空格，我知道这不是最好的方法。

示例：
/images/my img.jpg（2 个空格）将替换为 /images/my img.jpg（1 个空格），不应替换。

如何只替换不在 HREF 或 SRC 中的双空格？

【问题讨论】：

或<pre> 或<script> 或...您最好使用适当的HTML 解析器，如HTML Agility Pack。
Agility Pack 很容易找到元素，但您也可以使用该库缩小 HTML 吗？

标签： regex vb.net

【解决方案1】：

您用单空格替换双空格的代码并没有真正使用正则表达式。如果你想要正则表达式，那么它应该如下所示：

myurl = myurl.replace(/\s{2,}/g, ' ');

下一步是扩展上述正则表达式以检测HREF 和SRC 标签并跳过它们。

Reference 1

Reference 2

【讨论】：

我知道我目前没有使用 REGEX，但我正在寻找一种不会替换 SRC 或 HREF 中的双空格的解决方案。
感谢您的信息。但你现在和我在同一个地方。如何扩展该正则表达式，这就是我的问题所在？
Niels 很抱歉回来晚了。也许我完全忽略了后半部分。大多数HREF SRC 正则表达式似乎会导致真正丑陋和长模式。所以we shouldn't really pass html by regex我相信@Rawling提到的你会更好：Html Agility Pack

【解决方案2】：

使用Html Agility Pack。 Regex 不够聪明，无法解析带有嵌套结构的 Html，或者至少，您最终会遇到极其复杂的 Regex 表达式。

【讨论】：

【解决方案3】：

最后我不想使用解析器，因为仅此功能将花费更多时间。我的最终解决方案是找到所有属性 KEY="VALUE"。用标签替换这些属性中的空格。然后将所有双空格替换为 1 个空格，最后将标签替换为一个空格。现在属性仍然会保留空间，我不需要图书馆。

【讨论】：