正则表达式 (C#)：匹配 > < &（非法 XML 字符）但仅当包含在引号内时

Question

我需要对转义的 XML 字符 > < 和 & 进行替换，但前提是它们包含在单引号内。这很重要，因为当 > 和 < 是开始和结束标记时，正则表达式模式不应该能够找到它们。

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

我应该只得到单引号 ' 内的 > < 和 &。这样我就可以用适当的 & < 和 > 替换它们（长话短说，这是发生的混乱 XML 解析的结果）。

我知道我可以使用 '(.*)' 来获取单引号之间的所有字符，但现在我怎样才能只提取其中的转义字符。

Answer 1

它适用于这种情况。如果您可以包含更多输入，我们也可以改进并覆盖它们。

检查这个：

(?<!^)(>|<|&)(?=.*')

演示：

https://regex101.com/r/EgXlcD/2

Answer 2

您可以将标签名称与所有后续属性 names/values 匹配，并且仅替换值内的 < 和 >（或名称，取决于您的数据有多混乱).

这可以在 Regex.Replace 匹配评估器中完成：

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>

见C# demo

这里是regex demo。详情：

((?:<[a-zA-Z][\w:-]*|\G(?!\A))\s+[^\s=<]*=) - 第 1 组：
- (?:<[a-zA-Z][\w:-]*|\G(?!\A)) - <，一个 ASCII 字母，0+ 个字符，:，或 -（参见 <[a-zA-Z][\w:-]*），或（ |) 上一次成功匹配结束（见\G(?!\A)）
- \s+ - 1+ 个空格
- [^\s=<]*= - 除了空格之外的 0+ 个字符，= 和 <
("[^"]*") - 第 2 组：
- "[^"]*" - "，" 以外的 0+ 个字符，然后是 "

正则表达式 (C#)：匹配 > < &（非法 XML 字符）但仅当包含在引号内时

Regex (C#): match > < & (illegal XML chars) but only when contained within qutoes

c#

regex

quotes