正則表達式末尾不匹配

Question

我正在嘗試編寫一個正則表達式來匹配這樣的模式：

<td style="alskdjf" />

即自終止<td>

但不是這個：

<td style=alsdkjf"><br /></td>

我最初想出了：

<td\s+.*?/>

但這顯然在第二個示例中失敗了，我認為這樣的方法可能會起作用：

<td\s+.*?[^>]/>

但事實並非如此。 我正在使用C＃.NET。

僅查找具有屬性的<td> 。 例如，尋找<td style="alsdfkj" />而不是<td> 。

Answer 1

由於HTML不是常規的，因此將正則表達式與HTML結合使用將會遇到問題。 除了最簡單的情況，我建議對所有其他情況都使用HTML解析器。

Answer 2

這將與您要查找的內容相匹配，而與您最初嘗試幾次時遇到的有問題的案例不匹配：

<td[^>]*?/>

但是請注意，如果需要在屬性值中允許>字符，則需要如下所示：

<td(?:[^>]|"[^"]*?")*?/>

它允許>僅在匹配的雙引號（你可以同樣展開它允許單引號）。

您可以將要查找的任何特定屬性添加到正則表達式中。 例如您的示例：

<td[^>]*? style="alskdjf"[^>]*?/>

Answer 3

正則表達式在解釋凌亂的HTML時會遇到嚴重的麻煩，這是瀏覽器通常必須處理的問題。 對於您不想考慮的標記，可以進行各種各樣的令人困惑的混淆！

HTML Agility Pack是您真正想要使用的，並且在我見過的所有地方都有很好的評價。 它是一個健壯的庫，用於將任何類型的損壞的HTML讀取到DOM模型中。 我個人發現它是一個極好的庫，當然還有其他庫，其中許多庫是在業務應用程序上下文中使用的。