C# 用于删除XML标记及其内容的正则表达式

我有下面的字符串，我想删除

*

和

*

（注意它们里面的附加标记内容也需要删除），而不使用XML解析器（对于小字符串来说开销太大）

大黑猫睡着了。

---

VB.NET或C#中的任何正则表达式都可以。

我想您想完全删除标记吗

(<bpt .*?>.*?</bpt>)|(<ept .*?>.*?</ept>)

（.*）|（.*）

那个？在*使其非贪婪之后，它将尝试匹配尽可能少的字符

---

您将遇到的一个问题是嵌套标记。stuff看不到第二个，因为第一个匹配。

.NET正则表达式引擎是否支持负lookaheads？如果是，那么您可以使用

(<([eb])pt[^>]+>((?!</\2pt>).)+</\2pt>)

（]+>（（？！）+）

这让大黑猫睡着了。如果删除所有匹配项，则超出上面的字符串。但是请记住，如果您有嵌套的

bpt

/

ept

元素，那么它将不起作用。

---

您可能还希望在某些位置添加

\s

，以允许在结束元素等中添加额外的空格。

如果您只想从字符串中删除所有标记，请使用以下（C#）：

试试看{
yourstring=Regex.Replace（yourstring，（]+>。+？），“”）；
}捕获（参数异常）{
//正则表达式中的语法错误
}

编辑：

我决定在我的解决方案中添加一个更好的选项。如果存在嵌入的标记，则前面的选项将不起作用。这个新的解决方案应该去除所有标签，无论是否嵌入。此外，此解决方案使用对原始[be]匹配的反向引用，以便找到精确匹配的结束标记。此解决方案还创建了一个可重用的正则表达式对象，以提高性能，从而使每次迭代都不必重新编译正则表达式：

bool FoundMatch = false;

try {
    Regex regex = new Regex(@"<([be])pt[^>]+>.+?</\1pt>");
    while(regex.IsMatch(yourstring) ) {
        yourstring = regex.Replace(yourstring, "");
    }
} catch (ArgumentException ex) {
    // Syntax error in the regular expression
}

bool-FoundMatch=false；
试一试{
正则表达式正则表达式=新正则表达式（@“]+>。+？”）；
while（regex.IsMatch（yourstring））{
yourstring=regex.Replace（yourstring，“”）；
}
}捕获（参数异常）{
//正则表达式中的语法错误
}

补充说明：

在评论中，一位用户表示担心“.”模式匹配器会占用大量cpu。虽然在独立贪婪“.”的情况下也是如此，但使用非贪婪字符“？”会导致正则表达式引擎只向前看，直到找到模式中下一个字符与贪婪“.”的第一个匹配为止，而贪婪“.”则要求引擎一直向前看，直到字符串结束。我将其用作正则表达式开发工具，它包括一个调试器，可以让您查看不同正则表达式模式的相对性能。如果需要，它还会自动注释您的正则表达式，因此我决定在此处包含这些注释，以解释上面使用的正则表达式：

    // <([be])pt[^>]+>.+?</\1pt>
// 
// Match the character "<" literally «<»
// Match the regular expression below and capture its match into backreference number 1 «([be])»
//    Match a single character present in the list "be" «[be]»
// Match the characters "pt" literally «pt»
// Match any character that is not a ">" «[^>]+»
//    Between one and unlimited times, as many times as possible, giving back as needed (greedy) «+»
// Match the character ">" literally «>»
// Match any single character that is not a line break character «.+?»
//    Between one and unlimited times, as few times as possible, expanding as needed (lazy) «+?»
// Match the characters "</" literally «</»
// Match the same text as most recently matched by backreference number 1 «\1»
// Match the characters "pt>" literally «pt>»

/]+>。+？
// 
//匹配字符“«[^>]+»
//在一次和无限次之间，尽可能多次，根据需要回馈（贪婪）«+»
//按字面上的«>»匹配字符“>”
//匹配不是换行符的任何单个字符«.+？»
//在一次和无限次之间，尽可能少地按需扩展（惰性）«+？»
//按字面上的«pt>»匹配字符“”

你为什么说开销太大？你量过了吗？还是你在猜

---

如果要使用正则表达式来删除XML元素，最好确保输入XML不会使用来自不同名称空间的元素，或者包含您不想修改其内容的CDATA节

---

正确的（即性能和正确的）方法是使用XSLT。XSLT转换将除特定元素之外的所有内容复制到输出，这是标识转换的一个简单扩展。一旦编译了转换，它将非常快地执行。而且它不会包含任何隐藏的缺陷。

是否有任何可能的方法来获得xml文本类型的regex.pattern的全局解决方案？ 这样我就不用replace函数了，shell使用regex。 问题在于分析是否按顺序出现。。 还将保留字符替换为“&等。 这是密码 “处理特殊字符功能” 友元函数ReplaceSpecChars（ByVal str作为字符串）作为字符串 Dim Arrlesthan作为新系列 比新系列更暗 如果不是IsDBNull（str），则

端函数 朋友函数FindLocationOfChar（ByVal chr作为Char，ByVal str作为String）作为集合 Dim arr作为新系列 对于i作为整数=1到str.Length（）-1 如果str.ToCharArray（i，1）=chr，则 附件（i） 如果结束 下一个 返回arr 端函数

有问题吗

---

这是一个标准的xml，我想分析不同的标记。

您测量过吗？我在使用.NET的正则表达式引擎时遇到性能问题，但相比之下，使用xml解析器解析了大约40GB的xml文件，没有问题（不过，对于较大的字符串，您需要使用XmlReader）

---

请发布一个实际的代码示例，并说明您的性能要求：如果性能很重要，我怀疑

Regex

类是这里的最佳解决方案。

什么是过滤器？提取？删除？请澄清。避免使用XML解析器的原因是什么？需要过滤小字符串，因此不接受XML解析器开销able.Filter在这种情况下是删除的。a可以嵌套在a中吗？反之亦然？如果是这样的话，问题就复杂了。如果存在任意嵌套，则没有涉及正则表达式的通用解决方案，并且由于嵌套有限，您的正则表达式会变得非常庞大和丑陋。好吧，当您使用ave非良好格式的XML。问题中的标记不是XML，它有交叉层次结构。很好的一个，除了使用“.”这是非常cpu密集的，这

bool FoundMatch = false;

try {
    Regex regex = new Regex(@"<([be])pt[^>]+>.+?</\1pt>");
    while(regex.IsMatch(yourstring) ) {
        yourstring = regex.Replace(yourstring, "");
    }
} catch (ArgumentException ex) {
    // Syntax error in the regular expression
}

    // <([be])pt[^>]+>.+?</\1pt>
// 
// Match the character "<" literally «<»
// Match the regular expression below and capture its match into backreference number 1 «([be])»
//    Match a single character present in the list "be" «[be]»
// Match the characters "pt" literally «pt»
// Match any character that is not a ">" «[^>]+»
//    Between one and unlimited times, as many times as possible, giving back as needed (greedy) «+»
// Match the character ">" literally «>»
// Match any single character that is not a line break character «.+?»
//    Between one and unlimited times, as few times as possible, expanding as needed (lazy) «+?»
// Match the characters "</" literally «</»
// Match the same text as most recently matched by backreference number 1 «\1»
// Match the characters "pt>" literally «pt>»

  str = CStr(str)
  If Len(str) > 0 Then
    str = Replace(str, "&", "&")
    str = Replace(str, "'", "'")
    str = Replace(str, """", """)
    arrLessThan = FindLocationOfChar("<", str)
    arrGreaterThan = FindLocationOfChar(">", str)
    str = ChangeGreaterLess(arrLessThan, arrGreaterThan, str)
    str = Replace(str, Chr(13), "chr(13)")
    str = Replace(str, Chr(10), "chr(10)")
  End If
  Return str
Else
  Return ""
End If

  Next


    str = Replace(str, ">", ">")