替换单词，即使它之间有空的 HTML 标记，这会破坏它

Question

所以这是一个相当奇怪的问题，我知道。我使用了一个名为pdf2htmlEX 的工具，它将PDF 转换为HTML。到目前为止，结果非常令人印象深刻。在我转换为 HTML 的所有 PDF 中，我还没有看到一个错误。

使用这个 HTML，我需要用 C# 动态替换一些字符串。但是，我不能简单地说line.Replace("#SOME_STRING", "Another string")，尽管我在导出为PDF之前在文档中写了#SOME_STRING。为什么不呢，你可能会问？因为pdf2htmlEX 的输出可能如下所示：

<div class="t m0 x5 h5 ya ff4 fs3 fc0 sc0 ls0 ws0">#SOME_ST<span class="_ _5"></span>RING </div>

看到带有_ 和_5 类的空跨度标签了吗？是的，这使我无法替换我的话。 _5 类只是有一些宽度（如 width: 0.9889px）。

在这种情况下，我如何将#SOME_ST<span class="_ _5"></span>RING 替换为其他内容？

以下是一些情况：

(#SOME_STRING)          #SOME_ST<span class="_ _5"></span>RING
(#SOME_OTHER_STRING)    #SOME_<span class="_ _7"></span>OTHER_ST<span class="_ _5"></span>RING

我有点迷路了，因为我无法删除所有 _5 元素，因为每次我更改文档中的某些内容时，该类都是随机的。

编辑：所以我基本上需要一种方法来过滤掉我自己的键值对中的 HTML 标签，这样我就可以替换像#SOME_STRING -> SOMETHING_ELSE 这样的词。

Answer 1

尝试使用正则表达式过滤所有空范围：

var myRegex = new Regex(@"(?<emptyspan><span[^>]*></span>)", RegexOptions.None);
var strTargetString = @"<div class=""t m0 x5 h5 ya ff4 fs3 fc0 sc0 ls0 ws0"">#SOME_ST<span class=""_ _5""></span>RING </div> <span></span>";

foreach (Match myMatch in myRegex.Matches(strTargetString))
{
    var emptyString = myMatch.Groups["emptyspan"].Value;
    // replace or remove empty string ??
}