正則表達式不能捕獲html標籤

Question

我有一個正則表達式來捕獲字符串的html標籤。它工作得很好，但我發現它不起作用的情況。

當我有一個標籤後跟屬性「data-xxxx-xxxx」時，該標籤被忽略。如果我將相同的屬性移動到最後位置，它就會起作用。如果我從單詞中刪除「 - 」，它就會起作用。

我的正則表達式缺少一些東西，但我無法找到解決方案來解決它。

這裏是工作的例子：

<td>Go? <a href="$VAR" target="_blank" data-link-category="cat" 
      data-link-name="bla">Click</a></td> 

<td>Go? <a datalinkcategory="cat" href="$VAR" target="_blank" 
      data-link-name="bla">Click</a></td> 

一個例子，並非作品：

<td>Go? <a data-link-category="cat" href="$VAR" target="_blank" 
      data-link-name="bla">Click</a></td> 

我的正則表達式：

Regex htmlRegex = new Regex(
    @"(<!--)|(-->)|(<\s?/?\w+((\s+\w+(\s*=\s*(?:""(.|\s)*?""|'(.|\s)*?'|[^'"">\s]+))?)+\s*|\s*)/?>)"); 

我怎樣才能改變正則表達式匹配在語句開頭包含屬性（如「data-xxxx-xxxx」）的標籤？

提前致謝。

Answer 1

雖然我同意，這不是一個好主意來解析與正則表達式的HTML，在這種情況下，你可以通過對單詞字符部分匹配在初始屬性檢查添加的連字符的字符組解決您的正則表達式：

(<!--)|(-->)|(<\s?\/?\w+((\s+[\w-]+(\s*=\s*(?:"(.|\s)*?"|'(.|\s)*?'|[^'"">\s]+))?)+\s*|\s*)\/?>) 
          ^^^^^ 
    change is here, now matches against word characters or hypens 

Working test here它匹配所有3個示例標籤。

但請注意，它可能仍然匹配（或不匹配）它不應該（或應該）的各種事情。