C＃正規表現でXML/HTMLコメントを削除するには

Question

以下の断片は私のためには機能しません。

fragment = Regex.Replace(fragment, "<!--.*?-->", String.Empty , RegexOptions.Multiline ); 

Answer 1

代わりにRegExOptions.Singlelineに変更しても問題ありません。 シングルラインモードでない場合、ドットは以外の任意の文字に一致し、改行を除きます。

SinglelineとMultilineは互いに排他的ではありません。彼らは2つの別々のことをします。 MSDNを引用するには：

マルチラインモード ^と$の意味を変更して、先頭の数字が で、末尾がそれぞれ で始まり、末尾が の文字列全体に一致するようにします。

シングルラインモード。 ドットの意味を変更します（ の代わりに、\ n以外のすべての文字に が一致します）。

他の人がすでにHTMLアジリティパックを提案しています。私はちょうどあなたの正規表現がうまくいかない理由についての説明が必要だと思った:)

Answer 2

マークアップ言語で動作するように正規表現を使用しないでください - あなたは仕事のようなもののために構築され、より良いツールを使用する必要があります。

代わりにHtml Agiliy Packを使用してください。

サイモンMourier言った：

これはサンプルです私もドキュメントからコメントを削除するために、HTMLの敏捷性パックを使用する関数とthis article（サイモンMourierという名前の）読者のコメントが見つかりました

static void Main(string[] args) 
{ 
    HtmlDocument doc = new HtmlDocument(); 
    doc.Load("filewithcomments.htm"); 
    doc.Save(Console.Out); // show before 
    RemoveComments(doc.DocumentNode); 
    doc.Save(Console.Out); // show after 
} 

static void RemoveComments(HtmlNode node) 
{ 
    if (!node.HasChildNodes) 
    { 
     return; 
    } 

    for (int i=0; i<node.ChildNodes.Count; i++) 
    { 
     if (node.ChildNodes[i].NodeType == HtmlNodeType.Comment) 
     { 
      node.ChildNodes.RemoveAt(i); 
      --i; 
     } 
    } 

    foreach (HtmlNode subNode in node.ChildNodes) 
    { 
     RemoveComments(subNode); 
    } 
} 

Answer 3

この1つは私の作品：

コメントを削除するためのコード

<!--(\n|.)*--> 

しかし、私はあなたがXMLのために通常のXML文書を使うことができると思っています。そうでなければHtmlAgilityPack HTMLです。高くではない RegExを使用してマークアップを解析することを推奨します。

Answer 4

これは、C＃経由でコメントを取り除くためのトップGoogleの結果です、そしてこれを行うための私のHtmlAgilityPackコードです。

 HtmlDocument doc = new HtmlDocument 
          { 
           OptionFixNestedTags = true, 
           OptionOutputAsXml = true 
          }; 
     doc.LoadHtml(str); 

     // Script comments from the document. 
     if (doc.DocumentNode != null) 
     { 
      HtmlNodeCollection nodes = doc.DocumentNode.SelectNodes("//comment()"); 
      if (nodes != null) 
      { 
       foreach (HtmlNode node in from cmt in nodes 
              where (cmt != null 
               && cmt.InnerText != null 
               && !cmt.InnerText.ToUpper().StartsWith("DOCTYPE")) 
               && cmt.ParentNode != null 
              select cmt) 
       { 
        node.ParentNode.RemoveChild(node); 
       } 
      } 
     } 

これはコメントを削除するときに正しく機能し、HtmlAgilityPackによってコメントとして扱われるdoctypeは無視されます。

正規表現は制御された条件で動作しますが。あなたが野生のウェブからHTMLを処理しているなら、HtmlAgilityPackの使用をお勧めします。そこにあるHTMLは非常に予測不可能であり、正規表現は壊れてしまいます。