C＃如何使用正则表达式删除XML / HTML注释

下面的片段对我不起作用。

fragment = Regex.Replace(fragment, "", String.Empty , RegexOptions.Multiline ); 

Answer 1

改为将其更改为RegExOptions.Singleline ，它会正常工作。 当不处于单线模式时，点匹配除换行符之外的任何字符。

请注意， Singleline和Multiline不是互斥的。 他们做两件事。 引用MSDN：

多线模式 。 更改^和$的含义，使它们分别在任何行的开头和结尾匹配，而不仅仅是整个字符串的开头和结尾。

单线模式 。 更改点（。）的含义，使其匹配每个字符（而不是除\ n之外的每个字符）。

其他人已经建议使用HTML Agility Pack。 我觉得你应该解释为什么你的正则表达式不起作用:)

Answer 2

请不要使用正则表达式来处理标记语言 – 您需要使用为此类作业构建的更好的工具。

请改用Html Agiliy Pack 。 我甚至发现这篇文章中有一个读者（名为Simon Mourier）使用Html Agility Pack从文档中删除注释的函数注释：

Simon Mourier说：

这是删除评论的示例代码：

 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 

Answer 3

这个对我有用：

但我认为你可以使用普通的XML文档来处理XML，或者使用HtmlAgilityPack for HTML。 强烈建议不要使用RegEx解析标记。

Answer 4

这是通过C＃剥离评论的Google最高结果，这是我的HtmlAgilityPack代码。

  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); } } } 

这在剥离注释时正常工作，并忽略被HtmlAgilityPack视为注释的doctype。

虽然正则表达式在受控条件下工作。 如果您正在从野外网络处理HTML，那么我建议使用HtmlAgilityPack。 那里的HTML非常难以预测，正则表达式会破坏。