Мне нужно проанализировать разделы из строки HTML. Например:Разбор разделов HTML в C#
<p>Lorem ipsum dolor sit amet, consectetur adipiscing elit.</p>
<p>[section=quote]</p>
<p>Mauris at turpis nec dolor bibendum sollicitudin ac quis neque.</p>
<p>[/section]</p>
разборе раздел цитата должна возвращать:
<p>Mauris at turpis nec dolor bibendum sollicitudin ac quis neque.</p>
В настоящее время я использую регулярное выражение, чтобы захватить содержимое внутри [раздел = quote] ... [/ раздел] но так как секции вводятся с помощью редактора WYSIWYG, раздел теги сами получить завернутые в пункте тега, так разобранный результат:
</p>
<p>Mauris at turpis nec dolor bibendum sollicitudin ac quis neque.</p>
<p>
Регулярное выражение, я использую в настоящее время является:
\[section=(.+?)\](.+?)\[/section\]
И я также делаю некоторую дополнительную очистку до разбора разделов:
protected string CleanHtml(string input) {
// remove whitespace
input = Regex.Replace(input, @"\s*(<[^>]+>)\s*", "$1", RegexOptions.Singleline);
// remove empty p elements
input = Regex.Replace(input, @"<p\s*/>|<p>\s*</p>", string.Empty);
return input;
}
Может кто-нибудь обеспечить регулярное выражение, которое бы добиться того, что я ищу, или я тратить свое время, пытаясь сделать это с помощью Regex? Я видел ссылки на Html Agility Pack - будет ли это лучше для чего-то подобного?
[Update]
Благодаря Оскару я использовал сочетание пакета HTML Agility и Regex для разбора разделов. Он по-прежнему нуждается в переработке, но он почти там.
public void ParseSections(string content)
{
this.SourceContent = content;
this.NonSectionedContent = content;
content = CleanHtml(content);
if (!sectionRegex.IsMatch(content))
return;
var doc = new HtmlDocument();
doc.LoadHtml(content);
bool flag = false;
string sectionName = string.Empty;
var sectionContent = new StringBuilder();
var unsectioned = new StringBuilder();
foreach (var n in doc.DocumentNode.SelectNodes("//p")) {
if (startSectionRegex.IsMatch(n.InnerText)) {
flag = true;
sectionName = startSectionRegex.Match(n.InnerText).Groups[1].Value.ToLowerInvariant();
continue;
}
if (endSectionRegex.IsMatch(n.InnerText)) {
flag = false;
this.Sections.Add(sectionName, sectionContent.ToString());
sectionContent.Clear();
continue;
}
if (flag)
sectionContent.Append(n.OuterHtml);
else
unsectioned.Append(n.OuterHtml);
}
this.NonSectionedContent = unsectioned.ToString();
}
Да, использовать Html Agiligy пакет –
Обязательной ссылку http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags/1732454#1732454 – stuartd
Синтаксического HTML с Регулярное выражение обычно плохое, поскольку html не является регулярным. Если вы можете взглянуть на синтаксический анализатор html, их будет много, и они вызовут гораздо меньшую боль. – TheLukeMcCarthy