在分析Html中，遇到的这个问题
我想把页面中的<input name="" value=""> 中的name和value值全部获取出来考虑value和name位置交换后的情况: string html = "<input value=\"bb\" name=\"aa\"> ";
MatchCollection mc = Regex.Matches(html, @"(?is)<input.*?(?:name[^=]*=.*?(['""]?)(?<name>[^'"" ]*)\1|value[^=]*=.*?(['""]?)(?<value>[^'""]*?)\2| )+>");
foreach (Match m in mc)
{
Console.WriteLine(m.Groups["name"].Value);
Console.WriteLine(m.Groups["value"].Value);
}
问题：
１。(?is) 啥意思？
２。\1| 和\2| 啥意思？
我想把页面中的<input name="" value=""> 中的name和value值全部获取出来考虑value和name位置交换后的情况: string html = "<input value=\"bb\" name=\"aa\"> ";
MatchCollection mc = Regex.Matches(html, @"(?is)<input.*?(?:name[^=]*=.*?(['""]?)(?<name>[^'"" ]*)\1|value[^=]*=.*?(['""]?)(?<value>[^'""]*?)\2| )+>");
foreach (Match m in mc)
{
Console.WriteLine(m.Groups["name"].Value);
Console.WriteLine(m.Groups["value"].Value);
}
问题：
１。(?is) 啥意思？
２。\1| 和\2| 啥意思？
(?s) 单行模式，表示小数点可以匹配任意字符
参考
.NET正则基础之——.NET正则匹配模式\1、\2 是反向引用， 即引用第一个和第二个捕获组捕获的内容
参考
正则基础之——反向引用
(['"]?)[^'"]\1这个理解么？匹配"aaa"或者bbb
['"]?标识可以匹配'或是"，如果没有，就匹配空，因为?是允许0次或1次的。不论如何，这个结果将存入堆栈，方便后面反向引用。你如果用了'那必然后面还跟一个'，如果前面是"，后面也是"，这样反向引用比较合理。同理，如果前面没有'"，那后面也不需要写。(a|b)×
这样简化一下你看的明白么？
ab
ba
都可以匹配了，对吧
所以上面的|就是括号中的2部分分开，|的左右任何一部分被匹配都可以。可能没说明白……
你先看看，不明白再说。
这个正则本身就是只针对一种特殊情况写的，不通用，而且量词的不合理运行导致效率较低，换成下面的例子，结果就是错的
string html = "<input value=\"bb\" id=\"test\" name=\"aa\"> ";
string html = "<input value=\"bb\" id=\"test\" name=\"aa\"> ";
Regex reg = new Regex(@"(?is)<input\s(?=[^>]*?name=(['""]?)(?<name>.*?)\1)[^>]*?value=(['""]?)(?<value>.*?)\2[^>]*>");
MatchCollection mc = reg.Matches(html);
foreach (Match m in mc)
{
richTextBox2.Text += m.Groups["name"].Value + "\n";
richTextBox2.Text += m.Groups["value"].Value + "\n";
}
２。\1| 和\2| 啥意思？哈哈 我前俩天刚弄明白 （?is） 叫模式修正符 模式修正符
模式修正符 -- 解说正则表达式模式中使用的修正符
说明
下面列出了当前在 PCRE 中可能使用的修正符。括号中是这些修正符的内部 PCRE 名。修正符中的空格和换行被忽略，其它字符会导致错误。 i (PCRE_CASELESS)
如果设定此修正符，模式中的字符将同时匹配大小写字母。-------(?i)aAa-------m（PCRE_MULTILINE）
默认情况下，PCRE 将目标字符串作为单一的一“行”字符所组成的（甚至其中包含有换行符也是如此）。“行起始”元字符（^）仅仅匹配字符串的起始，“行结束”元字符（$）仅仅匹配字符串的结束，或者最后一个字符是换行符时其前面（除非设定了 D 修正符）。这和 Perl 是一样的。当设定了此修正符，“行起始”和“行结束”除了匹配整个字符串开头和结束外，还分别匹配其中的换行符的之后和之前。这和 Perl 的 /m 修正符是等效的。如果目标字符串中没有“\n”字符或者模式中没有 ^ 或 $，则设定此修正符没有任何效果。s（PCRE_DOTALL）
如果设定了此修正符，模式中的圆点元字符（.）匹配所有的字符，包括换行符。没有此设定的话，则不包括换行符。这和 Perl 的 /s 修正符是等效的。排除字符类例如 [^a] 总是匹配换行符的，无论是否设定了此修正符。-------(?s).上面的正则可以匹配任意字符类似 [\s\S]------- x（PCRE_EXTENDED）
如果设定了此修正符，模式中的空白字符除了被转义的或在字符类中的以外完全被忽略，在未转义的字符类之外的 # 以及下一个换行符之间的所有字符，包括两头，也都被忽略。这和 Perl 的 /x 修正符是等效的，使得可以在复杂的模式中加入注释。然而注意，这仅适用于数据字符。空白字符可能永远不会出现于模式中的特殊字符序列，例如引入条件子模式的序列 (?( 中间。e
如果设定了此修正符，preg_replace() 在替换字符串中对逆向引用作正常的替换，将其作为 PHP 代码求值，并用其结果来替换所搜索的字符串。只有 preg_replace() 使用此修正符，其它 PCRE 函数将忽略之。注: 本修正符在 PHP3 中不可用。
A（PCRE_ANCHORED）
如果设定了此修正符，模式被强制为“anchored”，即强制仅从目标字符串的开头开始匹配。此效果也可以通过适当的模式本身来实现（在 Perl 中实现的唯一方法）。D（PCRE_DOLLAR_ENDONLY）
如果设定了此修正符，模式中的美元元字符仅匹配目标字符串的结尾。没有此选项时，如果最后一个字符是换行符的话，美元符号也会匹配此字符之前（但不会匹配任何其它换行符之前）。如果设定了 m 修正符则忽略此选项。Perl 中没有与其等价的修正符。S
当一个模式将被使用若干次时，为加速匹配起见值得先对其进行分析。如果设定了此修正符则会进行额外的分析。目前，分析一个模式仅对没有单一固定起始字符的 non-anchored 模式有用。U（PCRE_UNGREEDY）
本修正符反转了匹配数量的值使其不是默认的重复，而变成在后面跟上“?”才变得重复。这和 Perl 不兼容。也可以通过在模式之中设定 (?U) 修正符或者在数量符之后跟一个问号（如 .*?）来启用此选项。X（PCRE_EXTRA）
此修正符启用了一个 PCRE 中与 Perl 不兼容的额外功能。模式中的任何反斜线后面跟上一个没有特殊意义的字母导致一个错误，从而保留此组合以备将来扩充。默认情况下，和 Perl 一样，一个反斜线后面跟一个没有特殊意义的字母被当成该字母本身。当前没有其它特性受此修正符控制。u（PCRE_UTF8）
此修正符启用了一个 PCRE 中与 Perl 不兼容的额外功能。模式字符串被当成 UTF-8。本修正符在 Unix 下自 PHP 4.1.0 起可用，在 win32 下自 PHP 4.2.3 起可用。自 PHP 4.3.5 起开始检查模式的 UTF-8 合法性。
2 就是反向引用
(?is)<(script>).*</\1
//这里的\1 就是前面括号里的 script>//匹配内容
<script>dsadad</script>
正则：([a-z])\1+
整个表达式表示匹配任意连续出现两次以上的字母[a-z]表示任意一个字母， 那么这里捕获组1也就是任意一个字母，捕获组是什么如果不知道，那就只能先去补基础了哈
这里\1就是对第一个捕获组捕获内容的引用，虽然([a-z])在匹配时可以匹配任意一个字母，但一旦匹配成功，那么它捕获的内容就是固定的，\1的匹配的内容也就是固定的了上面的例子，从位置0处开始尝试匹配，([a-z])匹配到了字符“a”，此时捕获组1捕获的内容就固定了，就是字符“a”，然后控制权交给\1+，此时\1就相当于“a”，只有匹配到字符“a”才能匹配成功，\1+也就相当于一个或多个“a”，由\1+匹配第二个“a”成功，匹配到位置2处结束，整个表达式匹配结果为“aa”下一轮尝试匹配从位置2处开始，由([a-z])匹配字符“b”成功，此时捕获组1捕获的内容就是字符“b”，\1必须匹配一个以上字符“b”才能匹配成功，\1+匹配后面的“bb”，匹配到位置5结束，整个表达式匹配结果为“bbb”下一轮尝试匹配从位置5处开始，由([a-z])匹配字符“c”成功，此时捕获组1捕获的内容就是字符“c”，\1必须匹配一个以上字符“c”才能匹配成功，而字符“c”后是字符“d”，显然不满足要求，\1+匹配失败，整个表达式在位置5处匹配失败下一轮尝试匹配从位置6处开始，由([a-z])匹配字符“d”成功，\1必须匹配一个以上字符“d”才能匹配成功，由于已经到字符串末尾，\1+匹配失败，整个表达式在位置6处匹配失败
Regex rg = new Regex("<input" + @"\s+[^>]+>", RegexOptions.Singleline | RegexOptions.IgnoreCase);
MatchCollection mc = rg.Matches(Source);
foreach (Match m in mc)
{
String Name = GetElementFromInputLine(m.Value, "name"); //提取name
String Value= GetElementFromInputLine(m.Value, "value");//提取value
}public static String GetElementFromInputLine(String Line, String Element)
{
Regex rg = new Regex("(?<=" + Element + @"\s*=\s*[\x22\x27])[^\x22\x27\x3e]+?(?=[\x22\x27\x3e])", RegexOptions.Singleline | RegexOptions.IgnoreCase);
String EleValue = rg.Match(Line).Value;
if (String.IsNullOrEmpty(EleValue))
{
rg = new Regex("(?<=" + Element + @"=)[^\x22\x27\x3e\s]+?(?=[\s\x3e])", RegexOptions.Singleline | RegexOptions.IgnoreCase);
EleValue = rg.Match(Line).Value;
}
return EleValue;
}