我已经定义了一个解析单个HTML标记的正则表达式。我不是解析整个DOM树，只是单个标签，因此正则表达式似乎是一个很好的匹配。
假设我有一个标签：
<input type="text" disabled value="Something" />
我已将我的正则表达式定义为将标记解析为：
<(?<closing>/)?(?<tname>[a-z][a-z0-9]*)(?:\s+(?<aname>[a-z0-9-_:]+)(?:=(?<quote>['""])(?<avalue>[^'""<>]*)\k<quote>)?)*(?<selfclosing>\s*\/)?>
所以为了让它更具可读性，让我们分解它
1 <
2 (?<closing>/)?
3 (?<tname>[a-z][a-z0-9]*)
4 (?:\s+
5 (?<aname>[a-z0-9-_:]+)
6 (?:=
7 (?<quote>['""])
8 (?<avalue>[^'""<>]*)
9 \k<quote>
10 )?
11 )*
12 (?<selfclosing>\s*\/)?
13 >
行：
*）?）=符号当我尝试解析前面提到的具有三个属性的input标记时，我可以通过以下方式轻松访问所有属性名称：
match.Groups["aname"].Captures
但我也希望匹配他们的价值观。所以这就是一个问题，因为属性2没有价值。
如何将这些match.Groups["aname"].Captures与match.Groups["avalue"].Captures 相匹配？我的正则表达式
答案 0 :(得分：1)
考虑一下：
<
(?<closing>/)?
(?<tname>[a-z][a-z0-9]*)
(?:
\s+
(?<aname>[a-z0-9-_:]+)
(?:
=?
(?<quote>['"]?)
(?<avalue>[^'"<>]*)
\k<quote>
)
)*
(?<selfclosing>\s*\/)?
>
它会匹配一些无效的标记：
<input type="text" disabled"" value="Something" />
<input type="text" disabled= value="Something" />
但你可以通过添加前瞻来解决这个问题：
<
(?<closing>/)?
(?<tname>[a-z][a-z0-9]*)
(?:
\s+
(?<aname>[a-z0-9-_:]+)
(?:
(?:
=
(?=\S)|
(?=\s)
)
(?<quote>['"]?)
(?<avalue>[^'"<>]*)
\k<quote>
)
)*
(?<selfclosing>\s*\/)?
>
aname和avalue会对齐。
答案 1 :(得分：0)
为了供将来参考，我添加了我最后实现的代码。正则表达式比问题中的更复杂，但它正确解析HTML字符串中的标签（打开和关闭）。它使用一些积极的外观，因为捕获组不能用于条件，因为它们是量化块的一部分。我的意思是我可以写
<?<hasvalue>=)?
将正确检测属性是否具有分配给它的值。但问题是这个命名的捕获组是attribute命名捕获组的一部分，它具有量词*（零个或多个属性）。当我们开始解析一个有价值的状态属性时，会出现hasvalue的问题。正则表达式处理器的工作方式仍将读取先前属性的hasvalue成功状态。这就是为什么我宁愿在条件限制中使用lookbehinds，因为它们不会捕获并且处理器不会以任何形式保持其状态。
而不是lookbehinds可以使用balancing groups，但这将使正则表达式.net而不是通用（ish）。这就是为什么我选择了lookbehinds所以它可以用于其他具有不同正则表达式处理器的environemnts。那些不支持命名捕获组的处理器仍然可以使用这个正则表达式，只需要删除组名并引用组索引。
重要提示：请注意，属性名称捕获计数并不匹配属性值捕获计数，这是我在正则表达式解析时的初始问题。因此，不是匹配那些我匹配属性名称与等号。这样我总是知道某个属性是仅状态属性（即
selected还是disabled）还是有价值属性（即value="42"）。您将在下面的代码中看到如何使用此信息匹配属性名称和值。
< # TAG START
(?<isclosing>\/\s*)? # is this a closing tag
(?<tag>[\w:-]+) # capture tag name
(?<attribute>
\s+ # every attribute starts with at least one space
(?<name>[\w:-]+) # capture attribute name
\s* # there may be arbitrary spaces between attribute name and '='
(?<hasvalue>=?) # is this a state or valued attribute
(?(?<==) # if it's a valued attribute process its value
\s* # there may be arbitrary spaces between '=' and attribute value
(?<quote>['"]?) # if value is quoted, capture its quote type
(?<value> # capture raw value without quotes if present
(?(?<=')
[^']*| # parse single quoted attribute value
(?(?<=")
[^"]*| # parse double quoted attribute value
[\w]+ # parse unquoted attribute value
)
)
)
\k<quote> # quotes must match each other
)
)*
\s* # there may be some spaces before tag end
(?<selfclosing>\/)? # is this a self-closing tag i.e. '<br/>'
> # TAG END
这是从HTML文本
解析标签的实际代码的摘录IList<KeyValuePair<string, string>> tagAttributes;
StringBuilder parsedText = new StringBuilder();
char character;
for (int index = 0, length = htmlContent.Length; index < length; index++)
{
character = htmlContent[index];
if (character == '<')
{
Match tagMatch = tagRegex.Match(htmlContent, index);
// prevent parsing of invalid HTML with incomplete tags like <tabl<p>This is a paragraph</p>
if (tagMatch.Index != index)
{
parsedText.Append("<");
continue;
}
if (tagMatch.Groups["attribute"].Success)
{
tagAttributes = new List<KeyValuePair<string, string>>();
// attribute count and their type counts (valued or state only) match
var attributes = tagMatch
.Groups["name"]
.Captures
.Cast<Capture>()
.Select(c => c.Value)
.Zip(
tagMatch
.Groups["hasvalue"]
.Captures
.Cast<Capture>()
.Select(c => c.Value == "="),
(name, isvalued) => new KeyValuePair<string, bool>(name, isvalued)
);
// attribute values count may be less than there are attributes
IEnumerator<string> values = tagMatch
.Groups["value"]
.Captures
.Cast<Capture>()
.Select(c => c.Value)
.GetEnumerator();
foreach (var attribute in attributes)
{
tagAttributes.Add(
new KeyValuePair<string, string>(
attribute.Key,
attribute.Value && values.MoveNext() ?
values.Current :
null)
);
}
}
/* Do whatever you need with these
*
* TAG NAME <= tagMatch.Groups["tag"].Value;
* IS CLOSING <= tagMatch.Groups["isclosing"].Success;
* IS SELF CLOSING <= tagMatch.Groups["selfclosing"].Success;
* ATTRIBUTES LIST <= tagAttributes
*/
// advance content character index past currently regex matched tag definition
index += tagMatch.Length - 1;
}
else
{
parsedText.Append(character);
}
}
这将正确解析具有可能是仅状态或有价值的属性的标记。有价值的属性可能有不带引号，单引号或双引号的值。引用的值可能是空字符串。