C# ASP.NET标记的正则表达式解析

我有一个解析各种文件格式的程序，目标是找到可本地化的字符串（GetText）。我正在寻找一个正则表达式，它可以从特定的开始和结束标记中获取“要翻译的文本”。我有一个正常工作的正则表达式，但由于IsVisible调用，下面的示例破坏了它

<mw:Translate runat="server" Visible='<%# IsVisible() %>'>
TEXT TO TRANSLATE
</mw:Translate>

要翻译的文本

这就是我到目前为止所做的，但我被困在里面了……有什么帮助吗？我在//comments中描述了我错误的regexxed意图

(?s)                   //multiline flag

\<mw\:Translate        //opening <mw:Translate> tag

(?:(?![^"']+\s*\>)+)   //match anything but > preceeded by " or ' 
                       //with any whitespace after it
(?:["']+\s*)\>         //match > preceeded by " or ' with any 
                       //whitespace after it

\s*                    //match any whitespace 
                       //(for trimming any whitespace around the text)
(?<text>.*?)           //capturing group for the localizable text
\s*                    //match any whitespace 

\</mw\:Translate\>     //match closing tag

（？s）//多行标志
\//匹配>前面带有“或”的任意
//后面的空格
\s*//匹配任何空格
//（用于修剪文本周围的任何空白）
（？*？///可本地化文本的捕获组
\s*//匹配任何空格
\//匹配结束标记

我遇到的问题可能是在开始标记中…我试图匹配结束括号>，只有当它前面有“或”时，后面没有空格或任何空格…因为否则它要么像%>或者它不是有效的ASP.NET

编辑1:在得出结论之前，请阅读问题。这不是HTML而是ASP.NET，任何HTML解析器都无法很好地解析它。我的目标也非常明确。更正：人们似乎同意它可以用HtmlAgility pack解析，但我真的不想使用它，因为我真的不喜欢在一个简单的用例中依赖外部库

编辑2:mw:Translate不能嵌套。因为mw:Translate是如何编程的，所以它根本无法编译

编辑3：编辑的澄清

编辑4：不允许自动关闭mw:翻译

在mw:Translate中编辑5:HTML与ASP.NET页面上的任何其他文本一样有效

---

编辑6：我自己回答说，我需要的正则表达式可能有点复杂（但不是因为与HTML有任何关系），请参见下面的

我会尝试匹配属性列表，假设属性用引号或单引号括起来。
这一假设并不适用于所有HTML，但可能适用于您：

<mw:Translate       #opening <mw:Translate> tag
# Match attributes
(?:\s+\w+(?:\s*=\s*(?:"[^"]*"|'[^']*'))?)*
\s*
>                   #match >
\s*
(?<text>.*?)        #capturing group for the localizable text
\s*                 #match any whitespace 
</mw:Translate>     #match closing tag

---

我会尝试匹配属性列表，假设属性用引号或单引号括起来。

这一假设并不适用于所有HTML，但可能适用于您：

<mw:Translate       #opening <mw:Translate> tag
# Match attributes
(?:\s+\w+(?:\s*=\s*(?:"[^"]*"|'[^']*'))?)*
\s*
>                   #match >
\s*
(?<text>.*?)        #capturing group for the localizable text
\s*                 #match any whitespace 
</mw:Translate>     #match closing tag

即使您修改了正则表达式。这里有一些问题


如果内部有其他标记，则不起作用（next无法用正则表达式解决此问题）
asp.net可以有像

您可以使用此代码通过
HtmlAgilityPack

HtmlDocument doc = new HtmlDocument();
doc.Load(yourStream);

var itemList = doc.DocumentNode.SelectNodes("//Translate")//this xpath selects all translate tag
                  .Select(p => p.InnerText)
                  .ToList();

//itemList now contain all the translate tags content

即使你修改了你的正则表达式。这里有一些问题


如果内部有其他标记，则不起作用（next无法用正则表达式解决此问题）
asp.net可以有像

您可以使用此代码通过
HtmlAgilityPack

HtmlDocument doc = new HtmlDocument();
doc.Load(yourStream);

var itemList = doc.DocumentNode.SelectNodes("//Translate")//this xpath selects all translate tag
                  .Select(p => p.InnerText)
                  .ToList();

//itemList now contain all the translate tags content

即使这是ASP.NET而不是HTML，您也可以使用它进行解析

var doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(html); // html is the aspx document text
var translatableTextNodes = 
    doc.DocumentNode.SelectNodes("//text()[contains(., 'TEXT TO TRANSLATE')]");
foreach (var parent in translatableTextNodes)
    Console.WriteLine("Node:[{0}] Text:{1}",parent.Name, parent.InnerText);

输出一个示例页面，其中包含一个服务器控件，其中包含要翻译的
文本
：

Node:[mw:translate] Text:
TEXT TO TRANSLATE

即使这是ASP.NET而不是HTML，您也可以使用它进行解析

var doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(html); // html is the aspx document text
var translatableTextNodes = 
    doc.DocumentNode.SelectNodes("//text()[contains(., 'TEXT TO TRANSLATE')]");
foreach (var parent in translatableTextNodes)
    Console.WriteLine("Node:[{0}] Text:{1}",parent.Name, parent.InnerText);

输出一个示例页面，其中包含一个服务器控件，其中包含要翻译的
文本
：

Node:[mw:translate] Text:
TEXT TO TRANSLATE

感谢regex，您已经破坏了您的代码…使用html解析器不要使用regex来解析html，但一定有一个原因强烈反对regex处理html标记，伙计们，ASP.NET不是html。它甚至不是一个XML。我不知道为什么我应该使用任何叫做“HtmlAgilityPack”的东西来解析ASP.NET。这里的陷阱是什么？这个用例有非常具体的规则。我非常清楚使用正则表达式生成HTML的问题，但事实并非如此。如果你认为是这样的话，你可以在一个有效的答案中愚弄我。多亏了regex，你破坏了你的代码…使用html解析器不要使用regex解析html，但regex被强烈劝阻处理html标记的原因一定有，伙计们，ASP.NET不是html。它甚至不是一个XML。我不知道为什么我应该使用任何叫做“HtmlAgilityPack”的东西来解析ASP.NET。这里的陷阱是什么？这个用例有非常具体的规则。我非常清楚使用正则表达式生成HTML的问题，但事实并非如此。如果你认为是的话，你可以在一个有效的答案中愚弄我。不会使用嵌套的翻译标签。有时没有结束语tag@Anirudh-这是要求吗？OP确认没有嵌套tags@Jerry它不是关于嵌套标记..而是结束标记..asp.net可以有自动关闭标记。asp.net也可以有内联C#代码，阻止客户端标记的服务器端标记等（例如，考虑中继器模板中的
、
和
）。在我看来，试图将它们解析为HTML比正则表达式更危险。您需要一个ASPX解析器。它无法处理嵌套的翻译标记。有时没有结束符tag@Anirudh-这是要求吗？OP确认没有嵌套tags@Jerry它不是关于嵌套标记，而是关于结束标记。asp.net可以有自动关闭标记。asp.net也可以有内联C#代码、阻止客户端标记的服务器端标记等（例如，考虑中继器模板中的
、
和
）。在我看来，试图将这些标记解析为HTML比正则表达式更危险。您需要一个ASPX解析器。这些标记不能嵌套。它不会编译。我同意我应该这样写。@Motig所说的嵌套标记是指其他标记，例如，在这种情况下，它们是文本的一部分，并且被解析为文本。与“asdf”没有区别。这些标记中的任何内容都是字符串。如果任何地方都有结束标记，即使是任何疯狂的无效HTML的一部分，只要它是结束标记，它就是有效的