代码之家 › 专栏 › 技术社区 › Md. Abdul Alim

正则表达式匹配特定标记

regex c#

Md. Abdul Alim · 技术社区 · 7 年前

我写了一个正则表达式

<w:p.*>\[.*content.*\].*</w:p>

它工作得很好。但有时会匹配不需要的标签。

我从字处理中找到了一个字符串,比如

<w:p w:rsidR=â00E52FD7â w:rsidRDefault=â00341592â w:rsidP=â000307E7â><w:pPr><w:pStyle w:val=âHeading1â/><w:contextualSpacing w:val=â0â/><w:jc w:val=âcenterâ/></w:pPr><w:r><w:rPr><w:noProof/></w:rPr><w:drawing><wp:inline distT=â0â distB=â0â distL=â0â distR=â0â wp14:anchorId=â4F64B28Dâ wp14:editId=â6522B16Câ><wp:extent cx=â1358306â cy=â1343025â/><wp:effectExtent l=â0â t=â0â r=â0â b=â0â/><wp:docPr id=â2â name=âPicture 2â descr=âN:\HUMAN RESOURCES\Logos\Rancho-Logo-Type-Black.pngâ/><wp:cNvGraphicFramePr><a:graphicFrameLocks xmlns:a=âhttp://schemas.openxmlformats.org/drawingml/2006/mainâ noChangeAspect=â1â/></wp:cNvGraphicFramePr><a:graphic xmlns:a=âhttp://schemas.openxmlformats.org/drawingml/2006/mainâ><a:graphicData uri=âhttp://schemas.openxmlformats.org/drawingml/2006/pictureâ><pic:pic xmlns:pic=âhttp://schemas.openxmlformats.org/drawingml/2006/pictureâ><pic:nvPicPr><pic:cNvPr id=â0â name=âPicture 1â descr=âN:\HUMAN RESOURCES\Logos\Rancho-Logo-Type-Black.pngâ/><pic:cNvPicPr><a:picLocks noChangeAspect=â1â noChangeArrowheads=â1â/></pic:cNvPicPr></pic:nvPicPr><pic:blipFill><a:blip r:embed=ârId7â cstate=âprintâ><a:extLst><a:ext uri=â{28A0092B-C50C-407E-A947-70E740481C1C}â><a14:useLocalDpi xmlns:a14=âhttp://schemas.microsoft.com/office/drawing/2010/mainâ val=â0â/></a:ext></a:extLst></a:blip><a:srcRect/><a:stretch><a:fillRect/></a:stretch></pic:blipFill><pic:spPr bwMode=âautoâ><a:xfrm><a:off x=â0â y=â0â/><a:ext cx=â1374505â cy=â1359042â/></a:xfrm><a:prstGeom prst=ârectâ><a:avLst/></a:prstGeom><a:noFill/><a:ln><a:noFill/></a:ln></pic:spPr></pic:pic></a:graphicData></a:graphic></wp:inline></w:drawing></w:r></w:p><w:p w:rsidR=â00341592â w:rsidRPr=â00341592â w:rsidRDefault=â002F27D8â w:rsidP=â00341592â><w:pPr><w:pStyle w:val=âSubtitleâ/><w:contextualSpacing w:val=â0â/><w:rPr><w:sz w:val=â36â/><w:szCs w:val=â36â/></w:rPr></w:pPr><w:r><w:t xml:space=âpreserveâ>Job Description: </w:t></w:r><w:r w:rsidR=â00360E41â><w:t>Irrigation/</w:t></w:r><w:r w:rsidR=â004A20D0â><w:t>Maintenance Worker</w:t></w:r></w:p><w:p w:rsidR=â000307E7â w:rsidRDefault=â000307E7â w:rsidP=â000307E7â><w:pPr><w:pStyle w:val=âNormal1â/></w:pPr><w:bookmarkStart w:id=â0â w:name=âh.17ary2u5jp34â w:colFirst=â0â w:colLast=â0â/><w:bookmarkEnd w:id=â0â/></w:p><w:p w:rsidR=â00007B19â w:rsidRDefault=â00007B19â w:rsidP=â00341592â><w:pPr><w:pStyle w:val=âNormal1â/></w:pPr></w:p><w:p w:rsidR=â00533338â w:rsidRDefault=â000307E7â w:rsidP=â00341592â><w:pPr><w:pStyle w:val=âNormal1â/></w:pPr><w:r><w:t xml:space=âpreserveâ>Rancho has reviewed the duties described within this job description to ensure that essential functions and basic duties are included.  It is not designed to cover or contain a comprehensive listing of activities, duties or responsibilities required of an incumbent.  An incumbent may be asked to perform other duties as required or assigned by their supervisor.  </w:t></w:r></w:p><w:p w:rsidR=â00533338â w:rsidRDefault=â00533338â w:rsidP=â00341592â><w:pPr><w:pStyle w:val=âNormal1â/></w:pPr></w:p><w:p w:rsidR=â00710D42â w:rsidRDefault=â00710D42â w:rsidP=â00341592â><w:pPr><w:pStyle w:val=âNormal1â/></w:pPr></w:p><w:p w:rsidR=â004618DBâ w:rsidRDefault=â004618DBâ w:rsidP=â004618DBâ><w:pPr><w:pStyle w:val=âNormal1â/></w:pPr><w:r><w:t>[</w:t></w:r><w:proofErr w:type=âgramStartâ/><w:r><w:t>content</w:t></w:r><w:proofErr w:type=âgramEndâ/><w:r><w:t>]</w:t></w:r></w:p>

我的要求是选择 <w:p> 标签包含

[内容]

但这个表达式与其他表达式匹配 <W:P> 不包含所需文本的标记。

有人能帮我吗?

1 回复 | 直到 7 年前

Wiktor StribiÅ¼ew 7 年前

如果要处理XML文件,建议使用XML解析器。如果您只有这个简短的片段,并且需要它来执行一次性任务,那么您可以使用这两种regex方法中的任何一种。

提取所需的所有匹配项并检查其中包含 [content] ,只返回该子字符串 :

Regex.Matches(s, @"(?s)<w:p\b[^>]*>(.*?)</w:p>")
    .Cast<Match>()
    .Where(x => x.Groups[1].Value.Contains("[content]"))
    .Select(z => z.Value);

注意,在这里, (?s)<w:p\b[^>]*>(.*?)</w:p> 比赛 <w:p ,然后断言右边没有单词char, \b 单词边界,然后通过使用除 > 然后 > ,然后它将尽可能少的任何0+字符捕获到组1中。( x.Groups[1].Value )最后匹配 </w:p> . 这个 .Where(x => x.Groups[1].Value.Contains("[content]")) 条件只保留那些包含 [内容] 在 w:p 元素。

使用一个更复杂的regex和一个回火贪婪的令牌:

(?s)<w:p\b[^>]*>(?:(?!<w:p\b).)*?\[content].*?</w:p>

细节

(?s) -A RegexOptions.Singleline 内联选项
<W: P -A <W: P 子串
\b 字边界
[^>]* -0+个字符,而不是 >
> -A >
(?:(?!<w:p\b).)*? -任何字符,0+次,但尽可能少,这不是 <W: P 后跟一个单词边界序列
\[content] -A [内容] 子串
.*? -任何0+字符,尽可能少
</W:P & GT; -文字 </W:P & GT; 子串