C# 正则表达式可选匹配

Question

我有一些页面内容包含以下代码行的多次出现：

<li class="r"><h3><a href="/test-url.htm">test string</a></h3></li>

我正在使用 .NET 正则表达式来查找内容中的所有匹配项并将锚标记的 href 返回给我。

我的问题是，有时<li>在 class 周围有引号（如上所示），但其他人没有，只有： class=r

我需要对带引号和不带引号的匹配。

我尝试了各种方法，但似乎没有任何效果。 有引号时它们都匹配，但没有引号时它们都匹配。 以下是我目前的尝试：

Regex _Regex = new Regex(@"<li class=(?:"")g([^>])*>((?!<h3).)*<h3([^>])*><a\shref=""(?<URL>[^""]*)""([^>])*>((?!</li).)*", RegexOptions.IgnoreCase);

任何帮助深表感谢，

谢谢。

Answer 1

我认为你想要的格式是

“”？

不是

?:

问号将前面的字符标记为可选。

Answer 2

诀窍是匹配并捕获可选的第一个引号，因此该组最终包含引号或空字符串。 然后，您在单词末尾使用反向引用来再次匹配相同的内容。

@"<li class=(""?)r\1[^>]*>"

附带说明一下，这在您的正则表达式中出现了三次，这是错误的： ([^>])* 。 它与您想要的匹配，但它只捕获最后一个字符。 如果您需要捕获这些段，您应该在组内移动星号。 如果您不需要捕获它，只需像我一样摆脱括号即可。

Answer 3

这是正则表达式的一部分。 我想你知道如何解决它：

<li class=["r]+?>

或者

<li class=["]?r["]?>

他们都工作。