c# - 正则表达式 (C#) : match > < & (illegal XML chars) but only when contained within qutoes

Question

我需要对转义的 XML 字符进行替换 > <和& ，但仅当它们包含在单引号内时。这很重要，因为正则表达式模式不应该能够找到 >和<当它们是开始和结束标签时。

示例，给定字符串 <Element><Element value="'hello&stack<overflow>'"/></Element>

我应该只得到> <和&单引号 ' 内。 这样我就可以用正确的 & 替换它们。 <和> (说来话长，这是发生的困惑的 XML 解析的结果)。

我知道我可以使用'(.*)'获取单引号之间的所有字符，但现在如何仅提取其中的转义字符。

Answer 1

您可以将标签名称与所有后续属性名称/值相匹配，并且仅替换 <和>在值(或名称，取决于数据的困惑程度)内。

这可以在 Regex.Replace 内完成匹配评估器:

var s = "<Element><Element value=\"'hello&stack<overflow>'\" value=\"'hi&stack<over flow2 >'\"/></Element>";
var rx = @"((?:<[a-zA-Z][\w:-]*|\G(?!\A))\s+[^\s=<]*=)(""[^""]*"")";
var clean = Regex.Replace(s, rx, m => 
    string.Format("{0}{1}", m.Groups[1].Value, m.Groups[2].Value.Replace("&", "&amp;").Replace("<", "&lt;").Replace(">", "&gt;"))
);
 // => <Element><Element value="'hello&amp;stack&lt;overflow&gt;'" value="'hi&amp;stack&lt;over flow2 &gt;'"/></Element>

请参阅C# demo

这是regex demo 。详情:

• ((?:<[a-zA-Z][\w:-]*|\G(?!\A))\s+[^\s=<]*=) - 第 1 组:
  • (?:<[a-zA-Z][\w:-]*|\G(?!\A)) - 要么 < ，一个 ASCII 字母，0+ 个单词字符，: ，或- (参见 <[a-zA-Z][\w:-]* )，或( | )上一次成功匹配的结束(参见 \G(?!\A) )
  • \s+ - 1 个以上空格
  • [^\s=<]*= - 0+ 个除空格之外的字符，=和<
• ("[^"]*") - 第 2 组:
  • "[^"]*" - 一个" , 除 " 之外的 0+ 个字符然后是 "