正则表达式拆分返回的空格

Question

我想将视图作为HTML文档导出到ASP.NET页上的用户。 我想提供仅获取部分视图的选项。

因此，我想用Regex.Split()分割输出。 我写了一个正则表达式来匹配要剪切的部分。 分割后，我将2个输出部分再次放在一起。

问题是我得到3部分的列表，其中第二部分包含" " 。 如何更改输出仅包含2个字符串的代码？

我的代码：

textParts = Regex.Split(text, @"<!--Graphic2-->(.|\n)*<!--EndDiscarded-->");
text = textParts[0] + textParts[1];

text包含HTML，CSS和jQuery代码。 我在要剪切的块周围写了<!--Graphic2-->类的注释。

编辑

我现在使用Regex.Replace()方法使其正常工作。 但是我仍然不知道为什么Split不能按我预期的那样工作。

Answer 1

您应该考虑使用诸如HtmlAgilityPack之类的适当工具来解析HTML。

当前的问题是关于Regex.Split为什么返回3个值。 这是由于您的模式中存在捕获组。 Regex.Split返回字符串的开始/结束与匹配的块之间的块， 以及所有捕获的子字符串：

如果在Regex.Split表达式中使用了捕获括号，则任何捕获的文本都将包含在结果字符串数组中。 例如，如果在捕获括号内的连字符上拆分字符串“ plum-pear”，则返回的数组将包含一个包含连字符的字符串元素。

因此， Regex.Split(text, @"<!--Graphic2-->(.|\\n)*<!--EndDiscarded-->")匹配<!--Graphic2-->子字符串，然后进行匹配并捕获进入第1组，尽可能多的出现0个字符，然后匹配<!--EndDiscarded-->") -这些匹配项被删除，不匹配的子字符串被返回，但是捕获到最后一个字符重复捕获组也将返回。

因此，如果打算将正则表达式用于此任务，则应考虑将其重写为@"(?s)<!--Graphic2-->.*?<!--EndDiscarded-->"或@"<!--Graphic2-->[^<]*(?:<(?!!--EndDiscarded)[^<]*)*<!--EndDiscarded-->"效率会更高，甚至@"<!--Graphic2-->[^<]*(?:<(?!!--(?:EndDiscarded|Graphic2))[^<]*)*<!--EndDiscarded-->"确保没有嵌套的Graphic2注释匹配。

可以看到，当您要确保模式更有效，更安全地工作时，正则表达式的复杂性就会增加。 但是，即使这些较长的版本也不保证100％的安全性。