0

我正在集成服务器端 Markdown 编译库 MarkdownSharp。我有这个工作，但现在我需要清理生成的 html。

我查看了 Stack Exchange Data Explorer 源代码，了解他们如何清理 html，并看到他们使用以下正则表达式在转换后清理图像：

private static readonly Regex _whitelist_img =
        new Regex(
            @"
        ^<img\s
        src=""https?://[-a-z0-9+&@#/%?=~_|!:,.;\(\)]+""
        (\swidth=""\d{1,3}"")?
        (\sheight=""\d{1,3}"")?
        (\salt=""[^""<>]*"")?
        (\stitle=""[^""<>]*"")?
        \s?/?>$",
            RegexOptions.Singleline | RegexOptions.ExplicitCapture | RegexOptions.Compiled |
            RegexOptions.IgnorePatternWhitespace);

我一直在努力为 whitelist_iframe 编写一个类似的正则表达式 - 确保 iframe 包含来自 youtube 或 vimeo 的链接。以下链接是我想嵌入的示例：

<iframe width="560" height="315" src="//www.youtube.com/embed/IZ_ScEebDOM?rel=0" frameborder="0" allowfullscreen></iframe>


<iframe src="//player.vimeo.com/video/80825843?title=0&amp;byline=0&amp;portrait=0" width="500" height="281" frameborder="0" webkitallowfullscreen mozallowfullscreen allowfullscreen></iframe>

所以我认为以上需要修改为：

  1. 帐户//而不是 http 或 https
  2. </iframe>关闭标签的帐户
  3. 在标签 的开头说明或被//www.youtube.com要求。//player.vimeo.comsrc

我正在将其作为我的第一个正则表达式进行处理……对此的任何帮助将不胜感激。

请注意，我不想在这里用更好的整体方法引入额外的库或复杂性，我只是想用正则表达式来增加已经工作的代码。

4

1 回答 1

1

作为正则表达式的初学者，我只能警告你这是一个滑坡。简单的结构很容易匹配，但正则表达式和 HTML 不能很好地混合。我知道它已经完成了，但你需要成为专家才能知道什么时候是个好主意，什么时候不是。作为一个自称是初学者的人，我建议您在开始使用前先阅读 Friedl 的“精通正则表达式”并至少阅读前几章。（这就是我所做的。）

  1. 帐户 // 而不是 http 或 https

    从现有的正则表达式中删除“https？：”：

    src=""//[-a-z0-9+&@#/%?=~_|!:,.;\(\)]+""

  2. 关闭标签的帐户

    在输入结束后添加结束标记：

    \s?/?></iframe>$

  3. 在 src 标记的开头需要考虑 //www.youtube.com 或 //player.vimeo.com。

    在选择列表中添加所需的域：

    src=""//(www.youtube.com|player.vimeo.com)/[-a-z0-9+&@#/%?=~_|!:,.;\(\)]+""
于 2013-12-13T20:46:59.563 回答