[正则表达式] 能匹配出多行注释之外的所有空白字符的正则表达式：）

最新推荐文章于 2022-03-29 09:39:39 发布

dengxuanka1837

最新推荐文章于 2022-03-29 09:39:39 发布

阅读量149

点赞数

文章标签： xhtml

原文链接：http://www.cnblogs.com/Laser_Lu/archive/2005/04/20/140893.html

版权

这两天又花了点时间看了一下Regular Expression的语法，顺便写了一个用于匹配出all continuous white-spaces outside the C-style multiline comment blocks的Regex。这个是我个人到目前为止写的一个算是最复杂的正则表达式了，贴出来与大家交流：

(?<=(?:\*/)(?:[^/\*]|(?<!/)\*|/(?!\*))*)\s+(?=(?:[^\*/]|(?<!\*)/|\*(?!/))*(?:/\*))|(?<=\A(?:[^/\*]|(?<!/)\*|/(?!\*))*)\s+(?=(?:[^\*/]|(?<!\*)/|\*(?!/))*(?:/\*))|(?<=(?:\*/)(?:[^/\*]|(?<!/)\*|/(?!\*))*)\s+(?=(?:[^\*/]|(?<!\*)/|\*(?!/))*\z)|(?<=\A(?:[^/\*]|(?<!/)\*|/(?!\*))*)\s+(?=(?:[^\*/]|(?<!\*)/|\*(?!/))*\z)

当然小弟我对Regular Expression接触不多，这个Regex应该还有问题，肯定有些特殊的情况没有考虑到，请大家指正：）

另外还有个问题想请教大家。我在看MSDN中Regular Expression Language Elements的帮助的时候，有一个Grouping Construct没有看懂：

(?> )

Nonbacktracking subexpression (also known as a "greedy" subexpression). The subexpression is fully matched once, and then does not participate piecemeal in backtracking. (That is, the subexpression matches only strings that would be matched by the subexpression alone.)

如果有谁知道它的含义，请告知。我想这个不仅是我一个人想知道：）当然另外如果有人在学习正则表达式的过程如果遇到过什么问题，也欢迎提出来交流一下：）

下面是MSDN中的Regular Expression Language Elements的Reference:
http://msdn.microsoft.com/library/default.asp?url=/library/en-us/cpgenref/html/cpconregularexpressionslanguageelements.asp

最后，给大家推荐两个关于Regular Expression的很不错的学习网站：）
http://www.regexlib.com/
http://www.regular-expressions.info/

[05/04/20 Update]:

哈哈，今天又写了一个更长的Regular Expression，全长527，是用于查找出所有的XHTML/HTML的标记外面的所有空格，并将之转换为 的。

(?:(?:\<(?:Style)(?:\s+(?:[\w-]+)(?:=(?:[^\s\>\<]*|\"[\s\S]*?\"|\'[\s\S]*?\'))?)*\s*(?:/)?\>)(?:[\s\S]*?)(?:\</(?:Style)\>))|(?:(?:\<(?:script)(?:\s+(?:[\w-]+)(?:=(?:[^\s\>\<]*|\"[\s\S]*?\"|\'[\s\S]*?\'))?)*\s*(?:/)?\>)(?:[\s\S]*?)(?:\</(?:script)\>))|(?:\<!(?:[\w-]+)(?:\s+(?:[\w-]+|\"[\s\S]*?\"|\'[\s\S]*?\'))*\s*\>)|(?:\<!--[\s\S]*?--\>)|(?:\<(?:[\w-]+)(?:\s+(?:[\w-]+)(?:=(?:[^\s\>\<]*|\"[\s\S]*?\"|\'[\s\S]*?\'))?)*\s*(?:/)?\>)|(?:\</(?:[\w-]+)\>)|(?:\<!\[CDATA\[(?:[\s\S]*?)\]\]\>)|(?:(?:(?<blank>[ ]+)|[^ \<\>])+)

这个正则表达式虽然很长，但可不是我用手code出来的哦，是我写的程序产生的，代码如下：）

public static string ReplaceSpace( string content)

{

string tag = @"(?:[\w-:]+)";

string attribute = @"(?:[\w-:]+)(?:=(?:[^\s\>\<]*|\""[\s\S]*?\""|\'[\s\S]*?\'))?";

string name = @"(?:[\w-:]+)";

string argument = @"(?:[\w-:]+|\""[\s\S]*?\""|\'[\s\S]*?\')";

string beginningTag = @"(?:\<" + tag + @"(?:\s+" +attribute + @")*\s*(?:/)?\>)";

string endingTag = @"(?:\</" + tag + @"\>)";

string xmlComment = @"(?:\<!--[\s\S]*?--\>)";

string xmlDirective = @"(?:\<!" +name + @"(?:\s+" +argument + @")*\s*\>)";

string xmlCData = @"(?:\<!\[CDATA\[(?:[\s\S]*?)\]\]\>)";

string styleBlock = @"(?:(?:\<(?:Style)(?:\s+" +attribute + @")*\s*(?:/)?\>)(?:[\s\S]*?)(?:\</(?:Style)\>))";

string scriptBlock = @"(?:(?:\<(?:script)(?:\s+" +attribute + @")*\s*(?:/)?\>)(?:[\s\S]*?)(?:\</(?:script)\>))";

string xmlLiteral = @"(?:(?:(?<blank>[ ]+)|[^ \<\>])+)";

Regex r = new Regex(pattern, RegexOptions.IgnoreCase | RegexOptions.Compiled);

MatchCollection mc = r.Matches(content);

StringBuilder sb = new StringBuilder(content.Length + 1024);

foreach (Match m in mc)

{

if (m.Groups["blank"].Captures.Count > 0)

{

sb.Append(m.Value.Replace(" ", " "));

}

else

{

sb.Append(m.Value);

}

return sb.ToString();

}

希望这个能够解决今天dudu提的一个cnblogs的bug：）即使不能解决问题也算是对System.Text.RegularExpression.Regex的一个练笔了：）

最后，再给个更长的（全长765）正则表达式，这个算是我写的和见过的最长的正则表达式了。
虽然长，但很有用，可以解析出整个XHTML/HTML页面的元素和结构来：）

(?#Copyright 2005, by Laser Lu.)(?<Style_Block>(?<begin>\<(?<tag>style)(?:\s+(?<attribute>[\w-:]+)(?:=(?<value>[^\s\>\<]*|\"[\s\S]*?\"|\'[\s\S]*?\'))?)*\s*(?:/)?\>)(?<body>[\s\S]*?)(?<end>\</\k<tag>\>))|(?<Script_Block>(?<begin>\<(?<tag>script)(?:\s+(?<attribute>[\w-:]+)(?:=(?<value>[^\s\>\<]*|\"[\s\S]*?\"|\'[\s\S]*?\'))?)*\s*(?:/)?\>)(?<body>[\s\S]*?)(?<end>\</\k<tag>\>))|(?<XML_Directive>\<!(?<name>[\w-:]+)(?:\s+(?<argument>[\w-:]+|\"[\s\S]*?\"|\'[\s\S]*?\'))*\s*\>)|(?<XML_Comment>\<!--[\s\S]*?--\>)|(?<Beginning_Tag>\<(?<tag>[\w-:]+)(?:\s+(?<attribute>[\w-:]+)(?:=(?<value>[^\s\>\<]*|\"[\s\S]*?\"|\'[\s\S]*?\'))?)*\s*(?:/)?\>)|(?<Ending_Tag>\</(?<tag>[\w-:]+)\>)|(?<XML_CDATA>\<!\[CDATA\[(?<data>[\s\S]*?)\]\]\>)|(?<XML_Literal>(?:(?<blank>[ ]+)|[^ \<\>])+)

转载于:https://www.cnblogs.com/Laser_Lu/archive/2005/04/20/140893.html