使用正则表达式替换 HTML 标记内容

Question

我想加密 HTML 文档的文本内容而不更改其布局。内容以成对的标签存储，如下所示：text_to_get。我的想法是使用正则表达式来检索 (1) 并用加密文本 (2) 替换每个文本部分。我完成了第 (1) 步，但在第 (2) 步遇到了麻烦。这是我正在处理的代码：

private string encryptSpanContent(string text, string passPhrase, string salt, string  hash, int iteration, string initialVector, int keySize)        
{            
        string resultText = text;
        string pattern = "<span style=(?<style>.*?)>(?<content>.*?)</span>";   
        Regex regex = new Regex(pattern);
        MatchCollection matches = regex.Matches(resultText);          
        foreach (Match match in matches)    
        {                
            string replaceWith = "<span style=" + match.Groups["style"] + ">" + AESEncryption.Encrypt(match.Groups["content"].Value, passPhrase, salt, hash, iteration, initialVector, keySize) + "</span>";                
            resultText = regex.Replace(resultText, replaceWith);
        }
        return resultText;
}

这是错误的行吗（使所有文本都被最后一个 replaceWith 值替换）？

            resultText = regex.Replace(resultText, replaceWith);

谁能帮我解决这个问题？

Answer 1

如果您要使用 HTML，建议您使用 HTML Agility Pack，因为您可能会遇到正则表达式问题，尤其是在嵌套标签或格式错误的 HTML 上。

假设您的 HTML 格式正确并且您决定使用正则表达式，您应该使用接受 MatchEvaluator 的 Regex.Replace method 替换所有出现的位置。

试试这个方法：

string input = @"<div><span style=""color: #000;"">hello, world!</span></div>";
string pattern = @"(?<=<span style=""[^""]+"">)(?<content>.+?)(?=</span>)";
string result = Regex.Replace(input, pattern,
    m => AESEncryption.Encrypt(m.Groups["content"].Value, passPhrase, salt, hash, iteration, initialVector, keySize));

这里我对MatchEvaluator 使用了lambda 表达式，并引用了如上所示的“内容”组。我还对span 标记使用环视，以避免将它们包含在替换模式中。

Answer 2

这里是替换 HTML 标签的简单解决方案

string ReplaceBreaks(string value)
{
    return Regex.Replace(value, @"<(.|\n)*?>", string.Empty);
}