Разбор шаблонов Dreamweaver с помощью регулярных выражений

Question

У меня есть требование разбирать содержимое шаблонов Dreamweaver. Я использую C#.

Вот пример содержимого, которое мне нужно будет проанализировать.

<div id="myDiv">
    <h1><!-- InstanceBeginEditable name="PageHeading" -->
    The Heading<!-- InstanceEndEditable --></h1>
    <!-- InstanceBeginEditable name="PageContent" -->
    <p>
    Lorem ipsum dolor sit amet, consectetur adipiscing elit. Sed nibh turpis, 
    sagittis vitae convallis at, fringilla nec augue.</p>
    <p>
    Lorem ipsum dolor sit amet, consectetur adipiscing elit. 
    Sed nibh turpis, sagittis vitae convallis at, fringilla nec augue.</p>
    <!-- InstanceEndEditable -->
</div><!-- END #myDiv-->

Шаблоны Dreamweaver основаны на комментариях HTML с конкретными строками, обозначающими их назначение. Они являются ключевыми для меня, поскольку они обозначают начало и конец редактируемых областей на странице.

<!-- InstanceBeginEditable name="xxxxxx" -->
<!-- InstanceEndEditable --> 

Как вы можете видеть из моего примера HTML, в исходном коде могут быть другие комментарии.

Итак, начнем с простого, у меня есть следующее, которое соответствует всем открываемым редактируемым тегам региона.

<!-- InstanceBeginEditable(.*)?--> 

Так что в следующий раз я хочу получить все между этим и следующим "

<!-- InstanceBeginEditable(.*)?-->(?<content>(.*)?)<!-- InstanceEnd

Можете ли вы сказать мне, почему это так? Я бы подумал не жадный захват (.*)? между моим уже работающим кодом и литералом

<!—InstanceEnd

соответствовал бы тому, что мне нужно...

Answer 1

Вы не хотите ставить круглые скобки .*,

Это значит жадно все схватить или нет.

(.*)?

Это значит лениво все схватить

.*?

Кроме того, в вашем регулярном выражении, у вас есть только один - в финальном жетоне. Измените это на это:

<!-- InstanceBeginEditable.*?-->(?<content>.*?)<!-- InstanceEnd

Кстати, опасно иметь два .*в регулярном выражении без атомной группы. По неожиданным данным, вы можете получить катастрофический откат назад. Я бы рекомендовал изменить первый .*? в [^-]*, И, пока я в этом, я бы посоветовал вам прощать пустые места:

<!--\s*InstanceBeginEditable[^-]*-->(?<content>.*?)<!--\s*InstanceEnd

Вы, наверное, уже знаете это, но позвольте мне добавить, что с.NET вам нужно будет использовать RegexOptions.Singleline.

Answer 2

Используйте HTML Agility Pack, см. Мой ответ здесь. Как мне разобрать HTML, используя регулярные выражения в C#?