正则表达式的最小婚配
日期：2014-05-17 浏览次数：21210 次
正则表达式的最小匹配
在做提取网页正文的东西，用的HtmlAgilityPack 可是通过里面Document.InnerText()方法取出来的内容含有网页的注释信息，想把这些内容去除。如下：
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN"
"http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
搜狐-中国最大的门户网站
<!--2008.1.1-->
.
.
.
<!--asfadsfg-->
然后我是想通过正则表达式找出里面的注释以及第一段的信息，再将其删除，现在的正则表达式是这么写的：
string patternNote = @"(<!--[\S\s].*?-->)|(<![\S\s].*?>)";
可是这样不能把<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN"
"http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
给匹配到，如果不用 . 可以找到换行的 可是是最大匹配 我想做最小匹配不知道怎么做，求大神们帮忙
------解决方案--------------------
------解决方案--------------------
(?is)<![^>]*>
------解决方案--------------------
楼主的代码
string patternNote = @"(<!--[\S\s].*?-->)
------解决方案--------------------
(<![\S\s].*?>)";
用了[\s\S]表示任意字符，后面就不该再加小数点.了，小数点.匹配除换行符\n外的任意字符，所以这里匹配不了换行，去掉小数点可以满足你的要求
string patternNote = @"(<!--[\S\s]*?-->)
------解决方案--------------------
(<![\S\s]*?>)";
不过这样写效率比较低，可以用排除型字符组
string patternNote = @"<![^>]*>";
PS：由于这里不涉及到字母，也不涉及到小数点，所以不需要使用(?is)
在做提取网页正文的东西，用的HtmlAgilityPack 可是通过里面Document.InnerText()方法取出来的内容含有网页的注释信息，想把这些内容去除。如下：
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN"
"http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
搜狐-中国最大的门户网站
<!--2008.1.1-->
.
.
.
<!--asfadsfg-->
然后我是想通过正则表达式找出里面的注释以及第一段的信息，再将其删除，现在的正则表达式是这么写的：
string patternNote = @"(<!--[\S\s].*?-->)|(<![\S\s].*?>)";
可是这样不能把<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN"
"http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
给匹配到，如果不用 . 可以找到换行的 可是是最大匹配 我想做最小匹配不知道怎么做，求大神们帮忙
------解决方案--------------------
string str = @"<!DOCTYPE html PUBLIC ""-//W3C//DTD XHTML 1.0 Transitional//EN""
""http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"">sdjfksjfdlkdsjf<!--2008.1.1-->sjdfkjdd";
Regex regex = new Regex(@"(?is)<[^>]*?>");
MatchCollection mc = regex.Matches(str);
foreach (Match item in mc)
Console.WriteLine("匹配项："+item.Value);
Console.WriteLine();
str = regex.Replace(str, "");
Console.WriteLine("去除注释之后："+str);
Console.Read();
------解决方案--------------------
(?is)<![^>]*>
------解决方案--------------------
楼主的代码
string patternNote = @"(<!--[\S\s].*?-->)
------解决方案--------------------
(<![\S\s].*?>)";
用了[\s\S]表示任意字符，后面就不该再加小数点.了，小数点.匹配除换行符\n外的任意字符，所以这里匹配不了换行，去掉小数点可以满足你的要求
string patternNote = @"(<!--[\S\s]*?-->)
------解决方案--------------------
(<![\S\s]*?>)";
不过这样写效率比较低，可以用排除型字符组
string patternNote = @"<![^>]*>";
PS：由于这里不涉及到字母，也不涉及到小数点，所以不需要使用(?is)
免责声明： 本文仅代表作者个人观点，与爱易网无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
