C# 正则表达式可选匹配答案

【问题标题】：C# Regex optional matchC# 正则表达式可选匹配
【发布时间】：2011-08-10 14:03:18
【问题描述】：

我有一些页面内容包含以下代码行的多次出现：

<li class="r"><h3><a href="/test-url.htm">test string</a></h3></li>

我正在使用 .NET Regex 来查找内容中的所有匹配项并将锚标记的 href 返回给我。

我的问题是，有时 <li> 在类周围有引号（如上所示），但其他人没有，只有：class=r

我需要对带引号和不带引号的匹配项。

我尝试了各种方法，但似乎都没有奏效。有引号时它们都匹配，但没有引号时不匹配。以下是我目前的尝试：

Regex _Regex = new Regex(@"<li class=(?:"")g([^>])*>((?!<h3).)*<h3([^>])*><a\shref=""(?<URL>[^""]*)""([^>])*>((?!</li).)*", RegexOptions.IgnoreCase);

非常感谢任何帮助，

谢谢。

【问题讨论】：

Regex 不太擅长处理 HTML。如果您只是想查找重复项，则最好使用 xpath
我知道我没有回答你的问题，但你不应该使用正则表达式来解析 HTML。改用Html Agility Pack 会更好。
+1 这个想法，非常好用。
感谢您的评论。 Html Agility Pack 是否需要有效的 HTML？我打开了<li> 没有关闭</li> 的几个地方，我无法控制内容以使其有效。
@Scrooby 它相当宽容 - 试试看。

标签： c# .net regex

【解决方案1】：

我认为你想要的格式是

“”？

不是

问号将前面的字符标记为可选。

【讨论】：

【解决方案2】：

诀窍是匹配并捕获可选的第一个引号，因此该组最终包含引号或空字符串。然后你在词尾使用反向引用来再次匹配相同的东西。

@"<li class=(""?)r\1[^>]*>"

顺便说一句，这在您的正则表达式中出现了 3 次，这是错误的：([^>])*。它匹配你想要的，但它只捕获最后一个字符。如果您需要捕获这些段，您应该在组内移动星号。如果您不需要捕获它，只需像我一样去掉括号。

【讨论】：

【解决方案3】：

这是正则表达式的一部分。我想你知道如何解决它：

<li class=["r]+?>

或

<li class=["]?r["]?>

它们都有效。

【讨论】：