c# 正则表达式遇到 奇怪的问题

Question

我的代码要分析大量的html文件(10万级),每个文件中字符串<!--this-is-text-->都出现两次,
其中一步是获取html文件中两个<!--this-is-text-->之间的内容.我用的方法是string str = new Regex("<!--this-is-text-->(.*)<!--this-is-text-->").Match(content).Groups[1].Value
但是在大量文件中跑这段代码,大概有几百个文件,获取不了内容,经过手工检查html文件的源代码,html源代码中确实都出现了两次<!--this-is-text-->
对有问题的文件,用new Regex("<!--this-is-text-->").Matches(content).Count返回的结果也是2.不知道如何解释和处理这个问题?
最直观的感觉是(.*)有一些不能匹配的东西?

Answer 1

(?is)(<!--this-is-text-->)([^<!>]*)\1
取group 2的值

Answer 2

...
1楼的贪婪模式就一次性匹配到最后去了
2楼的方法中间有<!就被截断了，大多情况应该是失配。try
(?is)(<!--this-is-text-->)(.+?)\1
取分组2
尽量在求效率的时候少用环视，tim猫猫是想写
(?is)(<!--this-is-text-->)(((?!<!).)*)\1
这样把。这样效率会慢一些。
即便如此，还有一个简化写法.
(?isn)(<!--this-is-text-->)(?<data>((?!\1).)*)\1
取data分组内容就效率，还是不用环视快，毕竟是10w级的这么多文件
(?is)(<!--this-is-text-->)(.+?)\1

Answer 3

楼主说的每个文件中只有两个<!--this-is-text-->。。贪婪不是很好么。。

Answer 4

to wuyazhe:对我的需求,贪不贪婪无所谓.经过测试,果然如XiXiHaHa_XiXiHaHa所说.
我就结贴了.