C# 中的 ASPX 属性正则表达式解析

Question

我需要使用正则表达式在 ASPX 文件中查找属性值。

这意味着您无需担心格式错误的 HTML 或任何 HTML 相关问题。

我需要找到特定属性（LocText）的值。我想得到引号里面的内容。 值内的任何 ASPX 标记（例如 <%=、<%#、<%$ 等）对此属性没有意义，因此被视为其一部分。

我开始使用的正则表达式看起来像这样：

LocText="([^"]+)"

这很好用，第一组，即结果文本，获取除双引号之外的所有内容，双引号是不允许的（&quot ; 必须改为使用）

但是 ASPX 文件允许使用单引号 - 然后必须应用第二个正则表达式。

LocText='([^']+)'

我可以使用这两个正则表达式，但我正在寻找一种连接它们的方法。

LocText=("([^"]+)"|'([^']+)')

这也有效，但似乎效率不高，因为它创建了不必要数量的组。我认为这可以通过使用反向引用来完成，但我无法让它工作。

LocText=(["']{1})([^\1]+)\1

我认为这样，我将单/双引号保存到第一组，然后告诉它读取不是在第一组中找到的字符的任何内容。这再次被第一组的引用所包含。显然，我错了，而且它不是这样工作的。

有没有什么办法，如何将前两个表达式连接在一起，创建最少数量的组，其中一组是我想要获取的属性的值？是否可以对单/双引号值使用反向引用，或者我完全误解了它们的含义？

Answer 1

我想说你的交替解决方案并没有那么糟糕，但是你可以使用 命名捕获 因此结果将始终在同一组的值中找到：

Regex regexObj = new Regex(@"LocText=(?:""(?<attr>[^""]+)""|'(?<attr>[^']+)')");
resultString = regexObj.Match(subjectString).Groups["attr"].Value;

解释：

LocText=          # Match LocText=
(?:               # Either match
 "(?<attr>[^"]+)" # "...", capture in named group <attr>
|                 # or match
 '(?<attr>[^']+)' # '...', also capture in named group <attr>
)                 # End of alternation

另一种选择是使用 先行断言（[^\1] 不起作用，因为您无法将反向引用放置在字符类中，但您可以在环视中使用它们）：

Regex regexObj = new Regex(@"LocText=([""'])((?:(?!\1).)*)\1");
resultString = regexObj.Match(subjectString).Groups[2].Value;

说明：

LocText=   # Match LocText=
(["'])     # Match and capture (group 1) " or '
(          # Match and capture (group 2)...
 (?:       # Try to match...
  (?!\1)   # (unless it's the quote character we matched before)
  .        # any character
 )*        # repeat any number of times
)          # End of capturing group 2
\1         # Match the previous quote character