c# - <% %> 之外的文本的正则表达式

Question

我需要解析这样的字符串：

text0<%code0%>text1<%code1%><%%>text3

分成两个数组。每个块都是可选的，因此它可以只是textor<%code%>或空字符串。取出代码很容易（如果我没记错的话）：，<%(.*?)%>但我需要文本帮助，因为它没有这样的标记，不像代码。

谢谢！

Answer 1

由于正则表达式匹配必须是连续的（即没有间隙），因此没有单个表达式可以匹配标签之外的所有文本。但是，如果您将正则表达式与 C# 的string工具结合使用，您仍然可以这样做，如下所示：

var outside = string.Join("", Regex.Split(inputString, "<%.*?%>"));

如果标签内部可能不包含百分比字符，您可以优化您的正则表达式以避免回溯，而是使用以下表达式：

<%[^%]*%>

Answer 2

这个非常简单的正则表达式就可以了 :-) :-) （这很讽刺......正则表达式是正确的，但它绝对不可读，即使是正则表达式专家也可能需要至少 10 分钟才能完全理解它）

var rx = new Regex("((?<1>((?!<%).)+)|<%(?<2>((?!%>).)*)%>)*", RegexOptions.ExplicitCapture);
var res2 = rx.Match("text0<%code0%>text1<%code1%><%%>text3");
string[] text = res2.Groups[1].Captures.Cast<Capture>().Select(p => p.Value).ToArray();
string[] escapes = res2.Groups[2].Captures.Cast<Capture>().Select(p => p.Value).ToArray();

请记住，它需要RegexOptions.ExplicitCapture.

正则表达式将在两组（1 和 2）中捕获字符串外<% %>和内的片段<% %>。每个组由多个Captures 组成。

说明：

( ... )* The outer layer. Any number of captures are possible... So any number of "outside" and "inside" are possible

(?<1>((?!<%).)+) The capturing group 1, for the "outside"

| alternatively

<% An uncaptured <%
(?<2>((?!%>).)*) The capturing group 2, for the "inside"
%> An uncaptured %>

捕获组 1：

(?<1> ... ) The name of the group (1)

和里面：

((?!<%).)+ Any character that isn't a < followed by a % (at least one character)

捕获组 2：

(?<2> ... ) The name of the group (2)

和里面：

((?!%>).)* Any character that isn't a < followed by a % (can be empty)

请注意，如果有一个未关闭的，这个正则表达式将被严重破坏<%！问题是可以解决的。

var rx = new Regex("((?<1>((?!<%).)+)|<%(?<2>((?!<%|%>).)*)%>|(?<3><%.*))*", RegexOptions.ExplicitCapture);

并添加

string[] errors = res2.Groups[3].Captures.Cast<Capture>().Select(p => p.Value).ToArray();

如果errors不为空，则有一个未闭合的<%。

现在，如果您想对捕获进行排序：

var captures = res2.Groups[1].Captures.Cast<Capture>().Select(p => new { Text = true, Index = p.Index, p.Value })
    .Concat(res2.Groups[2].Captures.Cast<Capture>().Select(p => new { Text = false, Index = p.Index, p.Value }))
    .OrderBy(p => p.Index)
    .ToArray();

现在，每个捕获都有一个Index, aText可以是trueforText和falsefor Escape，而 aValue是 的文本Capture。

Answer 3

您可以使用 Regex.Replace

var text = Regex.Replace(input, "<%.+?%>", "");

Answer 4

尝试这个：

class Program
{
    static void Main(string[] args)
    {
        var input = "text0<%code0%>text1<%code1%><%%>text3";
        List<string>
            text = new List<string>(),
            code = new List<string>();
        var current = 0;
        Regex.Matches(input, @"<%.*?%>")
            .Cast<Match>()
            .ToList().ForEach(m =>
            {
                text.Add(input.Substring(current, m.Index - current));
                code.Add(m.Value);
                current = m.Index + m.Length;
                if(!m.NextMatch().Success)
                    text.Add(input.Substring(current, input.Length - current));
            });
    }
}