替换HTML属性中的双引号

Question

我有一些客户向我发送带有不正确结构的元素属性的HTML字符串，例如：

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

我该如何动态地将这些案例更改为类似下面的内容？

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

我需要这段 HTML 不在浏览器中显示，而是进行一些操作。

我正在使用 HtmlAgilityPack 来处理 HTML 问题，但对于这些情况，它会将我的 HTML 字符串更改为以下内容，这不是我想要的：

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

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;

- Ninita

---

很抱歉，我害怕没有正则表达式的解决方案看起来既好又安全。尝试使用 (?<=<\w+\s[^<]*)(?<!\w+=)"(?!\s*/?>|\s+\w+=")&i=%3cimg+src%3d%22..%2fimgTest.jpg%22+alt%3d%22Something+%22quoted+here%2c+or+here%22%22%3e&r=%27'进行替换。 - Wiktor Stribiżew

你的HTML片段是否总是像你示例中的img一样只有一个元素？它总是相同的属性出了问题吗？ - Alex K.

你可以尝试类似这样的正则表达式 (=\s*"[^=">]*)"([^=">]*)"([^=">]*")，并用 $1'$2'$3 进行替换，但这种方法并不是非常可靠 :> - bobble bubble

@WiktorStribiżew 非常感谢，这非常有效！ - Ninita

@AlexK。不，它并不总是像img一样是单个元素，并且它的属性也不总是相同的。 - Ninita

Answer 1

我的想法是，如果引号在标签内且不是属性限定符，则进行匹配"。

免责声明：这种解决方案可能无法在所有情况下使用（如果元素/属性名称添加了命名空间，则需要进行调整），但它应该适用于紧随<之后的标记名称，使用双引号作为属性值限定符，并且没有<符号在属性中。

使用

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

并将其替换为'。

请参见正则表达式演示。

第一个lookbehind确保我们正在搜索标签内的双引号，第二个会在双引号之前有带等号的单词时导致匹配失败，负向前瞻会在双引号后面有空格加上闭合尖括号（可能是前面有斜杠）或者紧跟着等号的单词时导致匹配失败。

- Wiktor Stribiżew