即使單詞之間有空的HTML標記，也要替換單詞，這會使單詞分解

Question

我知道這是一個相當奇怪的問題。 我使用了一個名為pdf2htmlEX的工具，該工具將PDF轉換為HTML。 到目前為止，結果令人印象深刻。 在轉換為HTML的所有PDF中，我還沒有看到一個錯誤。

使用此HTML，我需要用C＃動態替換一些字符串。 但是，盡管我在導出為PDF之前在文檔中寫了#SOME_STRING ，但我不能簡單地說line.Replace("#SOME_STRING", "Another string") 。 為什么不呢，您可能會問？ 因為pdf2htmlEX的輸出看起來像這樣：

<div class="t m0 x5 h5 ya ff4 fs3 fc0 sc0 ls0 ws0">#SOME_ST<span class="_ _5"></span>RING </div>

看到帶有_和_5類的空span標簽嗎？ 是的，這阻止了我替換我的話。 _5類僅具有一些寬度（例如width: 0.9889px ）。

在這種情況下，如何將#SOME_ST<span class="_ _5"></span>RING替換為其他內容？

這是一些情況：

(#SOME_STRING)          #SOME_ST<span class="_ _5"></span>RING
(#SOME_OTHER_STRING)    #SOME_<span class="_ _7"></span>OTHER_ST<span class="_ _5"></span>RING

我有點迷失在這里，因為我無法刪除所有_5元素，因為每次我更改文檔中的某些內容時，該類都是隨機的。

編輯：所以我基本上需要一種方法來從我自己的鍵值對中過濾掉HTML標記，因此我可以替換#SOME_STRING -> SOMETHING_ELSE類的詞。

Answer 1

嘗試使用正則表達式過濾所有空跨度：

var myRegex = new Regex(@"(?<emptyspan><span[^>]*></span>)", RegexOptions.None);
var strTargetString = @"<div class=""t m0 x5 h5 ya ff4 fs3 fc0 sc0 ls0 ws0"">#SOME_ST<span class=""_ _5""></span>RING </div> <span></span>";

foreach (Match myMatch in myRegex.Matches(strTargetString))
{
    var emptyString = myMatch.Groups["emptyspan"].Value;
    // replace or remove empty string ??
}