净正则表达式匹配分组和重复的问题 [英] .Net Regex match grouping and repetition question

问题描述

我有在ASP.Net应用以下VB.Net 2.0：

 输出= Regex.Replace（输出， "<p>(?:(?:\<\!\-\-.*?\-\-\>)|&(?:nbsp|\#0*160|x0*A0);|<br\s*/?>|[\s\u00A0]+)*</p>",的String.Empty，RegexOptions.Compiled或者RegexOptions.CultureInvariant或者RegexOptions.IgnoreCase或者RegexOptions.Singleline）
 

例东西，它匹配得好：

• ＆LT; P＆GT;＆LT; / P＆GT;
• ＆LT; P＆GT; ＆LT; / P＆GT;
• ＆LT; P＆GT;＆LT; BR /＆GT;＆LT; BR /＆GT;＆LT; / P＆GT;
• ＆LT; P＆GT;＆LT;！ - 评论 - ＆GT;＆LT;！ - 评论 - ＆GT;＆LT; / P＆GT;
• ＆LT; P＆GT;＆安培; NBSP;＆安培; NBSP;＆LT; / P＆GT;
• ＆LT; P＆GT;＆LT; BR /＆GT;＆安培; NBSP;＆LT; / P＆GT;
• ＆LT; P＆GT;＆LT;！ - 评论 - ＆GT;＆LT; BR /＆GT;＆LT;！ - 评论 - ＆GT;＆LT; / P＆GT;
• ＆LT; P＆GT;＆安培; NBSP;＆LT; BR /＆GT;＆LT; / P＆GT;

东西的例子，我想匹配，但它不会：

• ＆LT; P＆GT; ＆LT;！ - [如果supportLineBreakNewLine！] - ＆GT;＆LT; BR /＆GT; ＆LT;！ - [ENDIF] - ＆GT;＆LT; / P＆GT;

如何让我的组和重复工作，我多么希望他们？

编辑：哎呀，忘了注释组。 修改＃2：哎呀，忘了失败。 修改＃3：固定的例子。 修改＃4：基于答案更新的正则表达式

结论：

下面是我的基准测试结果所有的三个答案。由于三个匹配现在的一切，我跑了每一个到10,000迭代文本块：

 矿：
<p\s*>(?:(?:<!--.*?-->)|&(?:nbsp|\#0*160|x0*A0);|<br\s*/?>|[\s\u00A0]+)*</p>
6.312

浓汤：
<p\s*>(?:[\s\u00A0]+|&(?:nbsp|\#0*160|x0*A0);|<br\s*/?>|<!--(?:[^-]+|-(?!-))*-->)*</p>
6.05

steamer25：
<p\s*>(?:(?:\&nbsp\;)|(?:\&\#0*160\;)|(?:<br\s*/?>)|\s|\u00A0|<!\-\-[^(?:\-\-)]*\-\->)*</p>
6.121
 

浓汤的是最快的，所以我会纪念他为正确答案。

解决方案

试试这个普通的前pression：

<$p$p><$c$c><p\s*>(?:[\s\u00A0]+|&(?:nbsp|\#0*160|x0*A0);|<br\s*/?>|<!--(?:[^-]+|-(?!-))*-->)*</p>

I have the following VB.Net 2.0 in an ASP.Net app:

output = Regex.Replace(output, "<p>(?:(?:\<\!\-\-.*?\-\-\>)|&(?:nbsp|\#0*160|x0*A0);|<br\s*/?>|[\s\u00A0]+)*</p>", String.Empty, RegexOptions.Compiled Or RegexOptions.CultureInvariant Or RegexOptions.IgnoreCase Or RegexOptions.Singleline)

Example stuff it matches well:

• <p></p>
• <p> </p>
• <p><br/><br/></p>
• <p><!-- comment --><!-- comment --></p>
• <p>&nbsp;&nbsp;</p>
• <p><br/>&nbsp;</p>
• <p><!-- comment --><br/><!-- comment --></p>
• <p>&nbsp;<br/></p>

Examples of stuff I'd like to match but it doesn't:

• <p > <!--[if !supportLineBreakNewLine]--><br /> <!--[endif]--></p>

How do I make the groups and repetitions work how I want them to?

Edit: oops, forgot the comment group. Edit #2: oops, forgot a fail. Edit #3: fixed examples. Edit #4: updated regex based on answers

Conclusion:

Here are my benchmarked results for all three answers. Since all three now match everything I ran each one through 10,000 iterations on a block of text:

Mine:
<p\s*>(?:(?:<!--.*?-->)|&(?:nbsp|\#0*160|x0*A0);|<br\s*/?>|[\s\u00A0]+)*</p>
6.312

Gumbo:
<p\s*>(?:[\s\u00A0]+|&(?:nbsp|\#0*160|x0*A0);|<br\s*/?>|<!--(?:[^-]+|-(?!-))*-->)*</p>
6.05

steamer25:
<p\s*>(?:(?:\&nbsp\;)|(?:\&\#0*160\;)|(?:<br\s*/?>)|\s|\u00A0|<!\-\-[^(?:\-\-)]*\-\->)*</p>
6.121

Gumbo's was the fastest, so I'll mark his as the correct answer.

解决方案

Try this regular expression:

<p\s*>(?:[\s\u00A0]+|&(?:nbsp|\#0*160|x0*A0);|<br\s*/?>|<!--(?:[^-]+|-(?!-))*-->)*</p>

这篇关于净正则表达式匹配分组和重复的问题的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！