Visual Basic .net 正则表达式匹配不起作用 - 尽管正在使用测试工具？

Question

我有一个非常简单的问题要问别人 - 但我自己无法回答。我有一个正则表达式模式，适用于两个不同的在线测试人员，其中一个是基于 .net 的。

但在这里它找不到匹配项。任何人都可以帮忙吗？目的是过滤一个可爱的 F# 秘籍页面，使其可打印:)。

我正在指导我最小的弟弟，他正在学习编程的第 4 周 - 这是他的职责，我承认这让我很困惑！任何帮助我都会非常感激！

  Public Function FindCode(input As String)
    Dim pattern As String = "(?m)(<pre>)(.+)(<\/pre>)\B"
    Dim output As New Dictionary(Of Integer, String)
    Dim count As Integer

    For Each match As Match In Regex.Matches(input, pattern)
        output.Add(count, match.Value)
        count += 1
    Next
Return output.count
End Function

我没有得到执行，我没有得到匹配。

一个例子是

Some random markup <pre> and this stuff in the middle is what I'm after </pre> and there </pre> lots of these in one file </pre> which when I use Regexhero <pre> finds all the tags  </pre> 

这样我们可能会使用组来列出 pre /pre 标记之间的所有项目。

感谢您这么快的回复！

Answer 1

我认为问题出在 (.+) - 默认情况下是贪婪的，所以它尽可能匹配 - 包括中间 </pre> 部分。

如果您将其更改为(.+?)，您应该会获得多个条目。然后要在<pre> 标记中查找文本，您需要获取match.Groups[2] 的值。 ? 使 .+ 不情愿 - 它匹配尽可能少的字符。

此外，顺便说一下，尚不清楚(?m) 在这里的目的是什么。

（哦，当然，使用正则表达式解析 HTML 通常是个坏主意……）

Answer 2

首先，我尝试了您使用 Expresso 提供的表达式，然后在 LinqPad 中尝试了 - 两者都返回了您不打算匹配的整个字符串。我看到了 2 个问题，为什么它没有显示预期的结果：

1. 正则表达式本身
2. 示例字符串中的一个问题（标签不是成对的，即每个<pre> 必须由</pre> 关闭）

除此之外，我建议对代码进行一些改进：

1. 更改匹配方式（以下示例使用正则表达式选项，并允许分组）
2. 添加 tagName 作为参数，添加参数以允许包含或排除标签
3. 返回集合而不是计数值

看一下代码，它工作正常（我添加了一些可选的，注释掉LinqPad 的.Dump() 语句，以防您想打印出用于调试的值）：

Public Function FindCode(input As String, tagName as string, includeTags as boolean)
    Const grpName as string = "pregroup"
    Dim pattern As String = "(<"+tagName+">)(?<"+grpName+">(\s|\w|')+)(</"+tagName+">)"  
    Dim output As New Dictionary(Of Integer, String)
    Dim count As Integer
    
    Dim options as RegexOptions = RegexOptions.IgnoreCase _
          or RegexOptions.IgnorePatternWhitespace _
          or RegexOptions.MultiLine or RegexOptions.ExplicitCapture
    ' options.Dump("options")
    Dim rx as Regex = new Regex(pattern, options)
    For Each m As Match In rx.Matches(input)
        Dim val as string=nothing
        if (includeTags) 
            val = m.Value
        else
            if(m.Groups(grpName).Success)
                val = m.Groups(grpName).Value 
            end if
        end if
        if not (val is nothing)
            ' val.Dump("Found #" & count+1)
            output.Add(count, val)
            count += 1
        end if
    Next    
    Return output
End Function

关于表达式：

• 我使用的是(\s|\w)+ 而不是.+，因为它只包含空格和字母数字字符，而不是括号，因此也不包含标签
• 使用 \xnn（其中 nn 是字符的十六进制代码）转义与正则表达式语法的特殊字符冲突的字符 - 注意：此处不适用
• 使用组名轻松访问标签内容

关于Regex 代码：我添加了参数includeTags，因此您可以看到区别（false 不包括它们，true 包括它们）。请注意，您应该始终正确设置 RegexOptions，因为它会影响表达式的匹配方式。

最后，主要代码如下：

Sub Main
    dim input as string = "Some random markup <pre> and this stuff in the middle is what I'm after </pre> and there <pre> lots of these in one file </pre> which when I use Regexhero <pre> finds all the tags  </pre>"
    dim result = FindCode(input, "pre", false)
    dim count as integer = result.Count()
    Console.WriteLine(string.Format("Found string {0} times.", count))
    Console.WriteLine("Findings:")
    for each s in result
        Console.WriteLine(string.format("'{0}'", s.Value))
    next
End Sub

这将输出：

找到字符串 2 次。

调查结果：

'在一个文件中有很多这样的'

' 查找所有标签 '

但是，还有一个问题：为什么第一个 <pre>...</pre> 不匹配？ 查看子字符串I'm after - 它包含不匹配的'，因为它既不是空格也不是字母数字。您可以通过在正则表达式中指定(\s|\w|')来添加它，然后它将显示所有3个字符串。

Answer 3

我得到了正确的输出（对于给定的正则表达式），一个匹配包含：

<pre> and this stuff in the middle is what I'm after </pre> and there </pre> lots of these in one file </pre> which when I use Regexhero <pre> finds all the tags </pre>

除此之外，我想你的意思是<pre>（不是</pre>）在and there之后...

您可能想使用(.+?)，因为默认情况下 + 是贪婪的。

---

此外，尚不清楚为什么 (?m) 和 /B（以及为什么在结尾而不是开头）。