.NET 正则表达式 - ?不起作用（就像我认为应该的那样）答案

【问题标题】：.NET regular expression - ? isn't working (like I think it should).NET 正则表达式 - ?不起作用（就像我认为应该的那样）
【发布时间】：2009-09-03 15:16:36
【问题描述】：

我有一个 HTML 页面（它来自内部通讯簿应用程序），我正在尝试匹配表中的字段名称和字段值。

到目前为止，我编写的正则表达式是

"href.*?>(.*?)<\\/a.*>(.*?)<\\/span"

匹配大多数键和值就好了。问题是有些值也是链接。

示例字符串（无链接 - 有效）

href="JavaScript:updateField(&quot;peopleType&quot;, &quot;390061&quot;, &quot;bob.bobson@company.com&quot;, &quot;bob&quot;, &quot;Reg&quot;, &quot;Bob Bobson&quot;);" onMouseOver="window.status='Update this field if possible, else explain how to update it';return true;" onMouseOut="window.status='';return true;">Emp Type</a></span></td>
<td nowrap=""><span style="font-family: Arial, Times New Roman, Courier New, Courier, monospace; color: #006699">Reg</span

示例字符串（带链接 - 不起作用）

href="JavaScript:updateField(&quot;dept&quot;, &quot;390061&quot;, &quot;bob.bobson@company.com&quot;, &quot;bob&quot;, &quot;Reg&quot;, &quot;Bob Bobson&quot;);" onMouseOver="window.status='Update this field if possible, else explain how to update it';return true;" onMouseOut="window.status='';return true;">Dept</a></span></td>
<td nowrap=""><span style="font-family: Arial, Times New Roman, Courier New, Courier, monospace">
<a href="JavaScript:showDept('TheBobs');" onMouseOver="window.status='Show People in This Dept';return true;" onMouseOut="window.status='';return true;">TheBobs</a></span

前半部分（捕获密钥）正常工作。问题（似乎是）贪婪的 .* 一直匹配到链接的末尾，在该链接的末尾找到结束插入符，然后是非贪婪的.*?在捕获组中没有任何东西可以匹配。我尝试了正则表达式

"href.*?>(.*?)<\\/a.*>(.*?)(<\\/a>)?<\\/span"

它适用于带有链接的字符串（第三个捕获组 - 其中包含 /a）与链接的关闭匹配，因此我的第二个捕获组可以工作，但它不适用于以下值't 链接，因为（我认为）它正在搜索结束链接标签。我以为？在该捕获组的末尾应使其成为可选。

我正在匹配 RegexOptions.IgnoreCase | RegexOptions.IgnorePatternWhitespace |正则表达式选项。单行。

如何让正则表达式匹配值中带有链接的大小写和不匹配的大小写？谢谢。

【问题讨论】：

样本中的“字段名称”和“字段值”究竟应该是什么？

标签： .net html regex

【解决方案1】：

我会考虑预处理 HTML 并删除已知会导致 regex 实现出错的内容。

就测试人员而言，您还可以使用Regex Hero，因为 Silverlight 的 Regex 实现与 .NET 兼容。

【讨论】：

+1 - 我一直在寻找一个不错的在线正则表达式测试器，谢谢！

【解决方案2】：

有一个名为Regex Coach 的免费工具可用于轻松调试正则表达式。

【讨论】：

【解决方案3】：

避免使用“.”特点。它通常只会给你带来麻烦……因为它不具体。

试试这样的：

href=[^>]*>([^<]*)</a\s*>((?:(?!</span\s*>).)*)

注意：由于您的示例不返回名称-值对，而只是一个名称（假设第一个捕获组是名称），我不知道您希望它匹配什么。也许发布一个更完整的示例并准确指定您想要捕获的部分。

【讨论】：

【解决方案4】：

试试：

href[^<>]+>(.*?)<\\/a[^<>]*>(.*?)<\\/span

据我所知，"/a.*>" 看起来太贪心了，我在编写 Regex 时总是尽量具体...这就是我使用 "[^] 的原因+"

【讨论】：