c# - 删除文档类型的正则表达式

Question

我正在寻找一个正则表达式来从一组 xml 文档中去除以下文档类型声明:

<!DOCTYPE refentry [ <!ENTITY % mathent SYSTEM "math.ent"> %mathent; ]>

<!DOCTYPE book PUBLIC "-//OASIS//DTD DocBook MathML Module V1.1b1//EN"
          "http://www.oasis-open.org/docbook/xml/mathml/1.1CR1/dbmathml.dtd">

这是 stackoverflow 和其他地方的一个非常常见的问题，但实际上没有一个答案能够处理这两种情况。

我对 <!DOCTYPE((.|\n|\r)*?)(\"|])> 的幼稚做法将正确匹配第二种情况，但在第一种情况下失败(它在第一个 "> 处停止并使 %mathen; ]> 不匹配。)如果我尝试使正则表达式更贪婪，它会尝试消耗整个文档。

完整的测试用例:

• first
• second

Answer 1

编辑:修复了评论匹配，感谢 TheFiddler

好吧，你可以使用类似的东西(不是很漂亮)；

<!DOCTYPE[^>[]*(\[[^]]*\])?>

它匹配 <!以及 > 之前的一切或 [ , 后跟一个由 [] 包围的可选部分, 然后是最后一个 > .

A JSfiddle to test with .

更多细节；

<!DOCTYPE     -- matches the string <!DOCTYPE
[^>[]*        -- matches anything up to a > or [
(\[[^]]*\])?  -- matches an optional section surrounded by []
>             -- matches the string >