lxcnn_正则单步分解详细询问

Question

对以下正则单步分解小块详细解说一下,如何写这样的正则
 //委托方法
        private string RegReplace(Match m)
        {
            Regex regValue = new Regex(@"(?<=showCabinInfo\(\s*)('[^']*',?)+(?=\))");
            return regValue.Match(m.Groups["values"].Value).Value + "," + m.Groups["content"].Value + "~"; 
        }Regex regSpan = new Regex(@"(?is)(?<=<td[^>]*>[^<]*(<span[^>]*>(?:(?!</?span\b).)*</span>\s*)*)\s*<span(?<values>[^>]*)>\s*(?<content>(?:(?!</?span\b).)*)(?<!\s)\s*</span>\s*(?=(<span[^>]*>(?:(?!</?span\b).)*</span>\s*)*</td>)"); string result = regSpan.Replace(test, new MatchEvaluator(RegReplace));
        richTextBox2.Text = result;

Answer 1

先做需求分析吧，因为不是我的需求，所以可能情况考虑复杂了，先解释下上面正则的分析过程，再说下可能存在的优化。首先楼主要从源字符串整体中去掉一部分内容，那这种需求基本上可以确定为替换，也就是用Replace方法来处理了。接下来看一下要替换内容的复杂度，这里我可能考虑复杂了，我分析的结果是这样的
1、存在于<td...>和</td>之间
2、可以提取出公共规律的部分为<span...>...</span>
3、符合条件2的子串可能有一个或多个
这样的复杂度就不适合用一个正则直接替换了，所以想到用正则委托，但事实上这并不是正则委托典型的应用场景。使用委托可以把符合一定规律的子串先提取出来，做一定的处理后，再替换回子串所在的位置。因为是在委托方法内处理，所以可以做很多如运算等复杂的处理，而不仅仅是字符串的操作。这样分析之后，就要把符合规律的子串提取出来，以Match对象为参数传给委托方法处理。那就分析一下要提取子串的规律，来写下正则
1、是一个<span...>...</span>子串，<span...>中包含onmouseover属性，且符合onmouseover="...('...','...'...)"这样的规律
2、前面为<td...>和任意多个<span...>...</span>子串
3、后面为任意多个<span...>...</span>子串和</td>分别写出对应的正则
//1、是一个<span...>...</span>子串，<span...>中包含onmouseover属性，且符合onmouseover="...('...','...'...)"这样的规律
\s*<span(?<values>[^>]*)>\s*(?<content>(?:(?!</?span\b).)*)(?<!\s)\s*</span>\s*
//2、前面为<td...>和任意多个<span...>...</span>子串
(?<=<td[^>]*>[^<]*(<span[^>]*>(?:(?!</?span\b).)*</span>\s*)*)
//3、后面为任意多个<span...>...</span>子串和</td>
(?=(<span[^>]*>(?:(?!</?span\b).)*</span>\s*)*</td>)提取出相应的子串后，就是在委托方法中进行一下处理，取出onmouseover属性的内容和<span...>和</span>之间的内容，并补充一些“,”、“~”之类的内容，再替换回子串所在的位置就可以了。
当然，我上面可能考虑得过于复杂了，如果是所有带有onmouseover属性的<span...>都符合这一规律，完全可以一个正则搞定，可以试下这样是否符合要求
Regex regSpan = new Regex(@"(?is)\s*<span(?:(?!onmouseover=).)*onmouseover=""[^,(]*\(\s*(?<value>[^"")>]*)\)""[^>]*>\s*(?<content>(?:(?!</?span\b).)*)(?<!\s)\s*</span>\s*");
string result = regSpan.Replace(yourStr, "${value},${content}~");
richTextBox2.Text = result;这里只是根据<span和onmouseover来进行替换，而没有考虑是否在<td...>和</td>之间。

Answer 2

学习中...
1我用的工具是MTracer2.0 但我发现如果将正则放到哪里面，好像不能得到正确结果,需要用什么工具来测试呢,
2我对正则中的前后连接效果十分不解，
比如c#的语法;号就是一个句子终结，一般情况大多语句的执行规则是由左向右，但像这样复杂的正则，里面的 * . 这些匹配符它可以前后都使用，我无法把握如何对正则分割哪里，正则有块结束符吗或有什么规定来完成这种分割。》\s*<span(?<values>[^>]*)>\s*(?<content>(?:(?!</?span\b).)*)(?<!\s)\s*</span>\s*
如上语句我看就就会出现这样困扰
1、\s*<span(?<values>[^>]*)>\s*
2、(?<content>(?:(?!</?span\b).)*)
3、(?<!\s)\s*</span>\s*
或这样
1、\s*<span(?<values>[^>]*)>
2、\s*(?<content>(?:(?!</?span\b).)*)(?<!\s)\s*
3、</span>\s* 

Answer 3

1、正则测试工具我一直用的就是MTracer，虽然功能没有RegexBuddy那么强大，但好在简单、实用，除了平衡组无法匹配外，其它常见正则语法都支持
RegexBuddy第一次用给我的结果就是错的，后来就懒得用了
2、正则中没有类似的概念
“?”、“*”、“+”、“{m,n}”等是量词
如果前面没有用“()”限定范围，那它修饰的就是一个字符或是一个元字符。比如“a+”，表示一个以上的字符“a”，也就是可以匹配“a”，“aaa”，“aaaaaaaaa”等等；或者如“\s*”表示0个或任意多个空白字符
如果前面用了“()”来限定范围，那么它修饰的就是“()”内的整体。比如“(abc)+”，表示一个以上的字符串“abc”，也就是可以匹配“abc”，“abcabc”，“abcabcabcabc”等等。\s* 表示任意多个空白字符
(?<values>[^>]*) 是命名捕获组，语法(?<name>Expression)
(?:Expression) 非捕获组
(?!Exp)、(?=Exp)、(?<!Exp)、(?<=Exp) 都是环视以上这些语法规则在我的博客里都有介绍的

Answer 4

谢谢
我想问一下，你写这个正则是用1 2 3 来增加的的顺序吗,能否对1 2 3 步再进行解分 分解到10步左右，让我理解一下如何变化的。
引用前面代码
//1、是一个<span...>...</span>子串，<span...>中包含onmouseover属性，且符合onmouseover="...('...','...'...)"这样的规律
\s*<span(?<values>[^>]*)>\s*(?<content>(?:(?!</?span\b).)*)(?<!\s)\s*</span>\s*
//2、前面为<td...>和任意多个<span...>...</span>子串
(?<=<td[^>]*>[^<]*(<span[^>]*>(?:(?!</?span\b).)*</span>\s*)*)
//3、后面为任意多个<span...>...</span>子串和</td>
(?=(<span[^>]*>(?:(?!</?span\b).)*</span>\s*)*</td>)

Answer 5

怎么说呢，我写正则时当然不用分步来写，但肯定要有一个分析过程的
首先是对需求的明确和分析，只有需求明确，才能确定究竟使用哪种方法处理、怎样处理才能达到最优
需求分析，确定使用的方法后，才会进行具体的实现，也就是正则的书写
具体实现时要找出字符串的规律，是否能过一个正则表达式实现，一个表达式是否合理，有时为了提高可读性、可扩展性和效率，可能需要把正则分成多个来写，注意，并不是一个正则实现的效率就一定比多个正则实现的效率高，要看场景和正则的复杂度就楼主的需求，首先确认是一个替换的需求，使用Replace方法，由于需要对替换的内容进行一些处理，所以需要用到委托方法
字符串分析过程基本上就是由整到零，正则的书写过程基本上就是由零到整，我虽然不会去套用这样一种模式，而主要是在脑中分析和考虑，但也基本上可以认为是这样一个分析过程
需要替换的是什么样的字符串，基本上就可以按这三条来总结规律：
1、是一个 <span...>... </span>子串， <span...>中包含onmouseover属性，且符合onmouseover="...('...','...'...)"这样的规律 
2、前面为 <td...>和任意多个 <span...>... </span>子串 
3、后面为任意多个 <span...>... </span>子串和 </td> 
各条之间基本上没有什么影响，就可以单独实现后组合一下
其实这些分步正则也没什么好解释的，写的多了，自然就知道该采用什么样的语法了，说下第一条的分析和书写过程吧
<span开头，前面可能有多个空白字符，就是
\s*<span
然后是任意多个不是“>”的字符，一直匹配到“>”为止，也就是<span...>标签，由于其中的内容需要在委托方法中做二次处理，所以用个捕获组来捕获
(?<values>[^>]*)>
然后就是<span...>和</span>之间的内容
(?:(?!</?span\b).)* 因为<span...>和</span>之间不可以再出现“<span”和“</span”，所以这就表示任意一个从它开始，右侧不能是<span或</span的字符，这样的字符可以有任意多个
用一个捕获组来捕获，就是
(?<content>(?:(?!</?span\b).)*)
因为它两侧可能出现空白字符，而这些空白字符在替换结果中是不需要的，所以不应包含在捕获组中，前面的\s*匹配的开头的空白字符，后面的(?<!\s)表示捕获组捕获内容最后不能是空白字符，也就是匹配到空白字符为止，而结尾的空白字符则由后面的\s*来匹配，也就是
\s*(?<content>(?:(?!</?span\b).)*)(?<!\s)\s*
接下来就是</span>和，后面还可能有空白字符，也就是
</span>\s*
合起来就是
\s*<span(?<values>[^>]*)>\s*(?<content>(?:(?!</?span\b).)*)(?<!\s)\s*</span>\s*  其它两条和这个差不多，只是用到了环视的语法，这些语法在我的博客中都有讲解正则因为比较抽象，刚开始学的时候会有些不知道从哪里入手，多看一些，多动手练习一下，其实还是很容易掌握的
楼主的这个需求我可以讲解的很详细，但是如果想真正理解，还是对基本的语法规则有所了解的，如果想真正掌握，还需要自己多动手去写
我开始学正则时，基本上就是在论坛里先翻老帖子，看别人怎么写，然后有了新帖子，就试着自己动手去写，写得出就回一下帖，写不出就看别人是怎么写的，久而久之也就会了