使用正则表达式解析Dreamweaver模板

Question

我需要从Dreamweaver模板中解析内容。 我正在使用C＃。

这是一些我需要解析的示例内容。

<div id="myDiv">
    <h1><!-- InstanceBeginEditable name="PageHeading" -->
    The Heading<!-- InstanceEndEditable --></h1>
    <!-- InstanceBeginEditable name="PageContent" -->
    <p>
    Lorem ipsum dolor sit amet, consectetur adipiscing elit. Sed nibh turpis, 
    sagittis vitae convallis at, fringilla nec augue.</p>
    <p>
    Lorem ipsum dolor sit amet, consectetur adipiscing elit. 
    Sed nibh turpis, sagittis vitae convallis at, fringilla nec augue.</p>
    <!-- InstanceEndEditable -->
</div><!-- END #myDiv-->

Dreamweaver模板基于HTML注释，并带有表示其目的的特定字符串。 它们对我来说很关键，如下所示，它们表示页面中可编辑区域的开始和结束。

<!-- InstanceBeginEditable name="xxxxxx" -->
<!-- InstanceEndEditable --> 

从我的示例HTML中可以看到，源代码中可能还有其他注释。

因此，从简单开始，我有以下内容，它们与所有打开的Editable region标签匹配。

<!-- InstanceBeginEditable(.*)?--> 

因此，下一个我想让所有内容都和下一个“

<!-- InstanceBeginEditable(.*)?-->(?<content>(.*)?)<!-- InstanceEnd

你能告诉我为什么会这样吗。 我会以为是非贪婪的捕获（。*）？ 在我已经工作的代码和文字之间

<!—InstanceEnd

会符合我的需求...

Answer 1

您不想在.*周围加上括号。

这意味着是否贪婪地获取所有内容。

(.*)?

这意味着偷懒抓取所有东西：

.*?

此外，在您正则表达式，你只有一个-在结束标记。 更改为此：

<!-- InstanceBeginEditable.*?-->(?<content>.*?)<!-- InstanceEnd

顺便说一句，在没有原子团的正则表达式中有两个.*是很危险的。 在意外数据上，您可能会发生灾难性的回溯 。 我建议更改第一个.*? 到[^-]* 。 而且，在我使用它的同时，我建议您更宽容地处理空白：

<!--\s*InstanceBeginEditable[^-]*-->(?<content>.*?)<!--\s*InstanceEnd

您可能已经知道这一点，但是让我在.NET中添加它，您将需要使用RegexOptions.Singleline。

Answer 2

使用HTML Agility Pack，在这里查看我的答案， 如何在C＃中使用正则表达式解析HTML？