替换双引号内的双引号 html 属性

Question

在某些情况下，我的客户会向我发送一个 html 字符串，其中某些元素属性的结构不正确。像这样：

<img src="../imgTest.jpg" alt="Something "quoted here, or here"">

接下来我如何动态地将这些情况更改为类似这样的情况？

<img src="../imgTest.jpg" alt="Something 'quoted here, or here'">

我需要这个 html 不是在浏览器上显示而是用它做一些操作。

我正在使用 HtmlAgilityPack 来控制 html 问题，但对于这些情况，它将我的 html 字符串更改为此，这不是我想要的：

<img src="../imgTest.jpg" alt="Something" quoted="" here,="" or="" here="">

我使用 HtmlAgilityPack 的代码：

var htmlDoc = new HtmlDocument();
htmlDoc.OptionFixNestedTags = true;
htmlDoc.LoadHtml(myHtmlStr);

var htmlError = htmlDoc.ParseErrors.SafeAny();

if (!htmlError)
    myHtmlStr = htmlDoc.DocumentNode.InnerHtml;

Answer 1

我的想法是匹配 " 如果它在标签内并且不是属性限定符。

免责声明：此解决方案可能无法在 100% 的情况下工作（如果将名称空间添加到 element/attribute 名称，则需要进行调整），但当标签名称跟随 < 立即，双引号用作属性值限定符，并且属性内部没有 < 符号。

使用

(?<=<\w+\b[^<]*)(?<!\w+=)"(?!\s*/?>|\s+\w+=")

并替换为 '。

参见regex demo。

第一个 lookbehind 确保我们在标签中搜索双引号，如果双引号之前有一个单词后跟一个等号，则第二个 lookbehind 匹配失败，如果是，否定 lookahead 匹配失败双引号后跟空格，后跟右尖括号（可能前面有正斜杠），或者当空格后跟单词后跟等号时。

替换双引号内的双引号 html 属性

Replace double quotes inside double quotes html attribute

html

c#

regex

replace

html-agility-pack