从整个 Html 中删除空格，但在 pre 中使用正则表达式答案

【问题标题】：Remove white space from entire Html but inside pre with regular expressions从整个 Html 中删除空格，但在 pre 中使用正则表达式
【发布时间】：2012-02-04 11:41:12
【问题描述】：

在 ASP.NET MVC 3 上，我创建了一个动作过滤器，用于从整个 html 中删除空白。它大部分时间都像我预期的那样工作，但现在我需要更改正则表达式，以免触及 pre 元素内部。

我从很棒的Mads Kristensen 的博客中获得了 RegEx 逻辑，但我不知道如何为此修改它。

逻辑如下：

public override void Write(byte[] buffer, int offset, int count) {

    string HTML = Encoding.UTF8.GetString(buffer, offset, count);

    Regex reg = new Regex(@"(?<=[^])\t{2,}|(?<=[>])\s{2,}(?=[<])|(?<=[>])\s{2,11}(?=[<])|(?=[\n])\s{2,}");
    HTML = reg.Replace(HTML, string.Empty);

    buffer = System.Text.Encoding.UTF8.GetBytes(HTML);
    this.Base.Write(buffer, 0, buffer.Length);
}

过滤器的完整代码：

https://github.com/tugberkugurlu/MvcBloggy/blob/master/src/MvcBloggy.Web/Application/ActionFilters/RemoveWhitespacesAttribute.cs

有什么想法吗？

编辑：

重要提示：

我的意图完全不是加快响应时间。实际上，也许这会减慢速度。我压缩了页面，这个缩小让我每页增加大约 4 - 5 kb，这没什么。

【问题讨论】：

stackoverflow.com/questions/1732348/…
每页 4 到 5 kb 是不是什么都没有！
这个正则表达式很糟糕，写它的人并不真正知道他们在做什么。
@tugberk，这是多余的，而且有些地方是错误的。删除第一个更改，删除第三个更改，删除所有 [ 和 ] 字符。您最终会得到一个等效的表达式，但更短、更快、更简洁。
只是出于兴趣，您为什么对每个请求都这样做？为什么不把内容发布到网站上呢？

标签： c# javascript asp.net asp.net-mvc regex

【解决方案1】：

使用正则表达式解析 HTML 非常复杂，任何简单的解决方案都可能容易出错。（使用正确的工具来完成这项工作。）话虽如此，我将展示一个简单的解决方案。

首先我简化了你必须的正则表达式：

(?<=\s)\s+

用空字符串替换这些匹配项以消除所有地方的双空格。

假设pre 标签内没有&lt; 或&gt;，您可以在表达式末尾添加(?![^<>]*</pre>)，使其在pre 标签内失败。这确保</pre> 不遵循当前匹配，中间没有任何标签。

导致：

(?<=\s)\s+(?![^<>]*</pre>)

【讨论】：

这符合我的预期，谢谢！我也明白这不是推荐的方式。
不幸的是，如果 pre 中有，这将失败，如果 pre 用于显示代码，这可能很常见。
@RobW，应该没有，你应该用&lt;和&gt;编码。

【解决方案2】：

请参阅非常史诗般的RegEx match open tags except XHTML self-contained tags，了解正则表达式和 HTML 无法相处的所有原因。

如果您使用上述方法来缩小页面大小，那么您绝对应该考虑 IIS 压缩，因为大多数浏览器都可以利用它，而且它比您使用它的方式更容易。以下是在 IIS 6 和 IIS 7 中的操作方法：

http://www.microsoft.com/technet/prodtechnol/WindowsServer2003/Library/IIS/502ef631-3695-4616-b268-cbe7cf1351ce.mspx?mfr=true

http://technet.microsoft.com/en-us/library/cc771003(WS.10).aspx

【讨论】：

请阅读更新后的问题。我问了一件事，你回答了另一件事。
+1 @tugberk 你说“我不确定如何修改它（正则表达式）”，给定链接的答案是“不要那样做”。为正确的工作使用正确的工具，而正则表达式不是用来解析 Html 的工具。
不是有意发动圣战，抱歉让您觉得我浪费了您的时间。我会看看是否可以在单独的帖子中回答您更新后的问题。

【解决方案3】：

也许把它分成四个步骤：

使用正则表达式提取任何匹配的 PRE 元素，例如“start with <pre>(anything not </pre>)* end with </pre>”之类的简单内容
用单独的 GUID 替换每个匹配项，并保存 GUID 字典 -> pre element html。
去掉空格（不会影响 GUID 或其位置。
遍历您在 2. 中保存的字典，并将前置元素放回正确的位置。

【讨论】：