从XML中删除注释

Question

我遇到了需要删除以下形式注释的情况：

<!--  Foo

      Bar  -->

我想使用一个正则表达式来匹配起始和结束“分隔符”之间的任何内容（包括换行符）。

这个任务需要什么样的好的正则表达式呢？

- Charlie Salts

Answer 1

无法用上下文无关文法来描述。正则表达式是基于上下文无关文法的。

假设这个线程被导出为XML格式。如果您的示例（<!-- FOO Bar -->）被包含在CDATA中，它将会丢失，而它并不完全是一个注释。

- yogman

Answer 2

简单的方法：

Regex xmlCommentsRegex = new Regex("<!--.*?-->", RegexOptions.Singleline | RegexOptions.Compiled);

更好的方法是:

Regex xmlCommentsRegex = new Regex("<!--(?:[^-]|-(?!->))*-->", RegexOptions.Singleline | RegexOptions.Compiled);

- Diadistis

---

对于我的简单测试用例，<!--(?:[^-]|-(?!->))*--> 等同于我的：<!--([\s\S]*?)-->我的有什么遗漏吗？ - Charlie Salts

只有性能上的差异。根据我的测试，你的需要118步才能完成，而我的只需要62步 :) - Diadistis

我不知道 .net 的正则表达式库，但许多正则表达式编译器都针对 .*? 进行了优化，以便比朴素匹配情况更快。 - ʞɔıu

Answer 3

“正确的”方法是使用XSLT并复制除注释以外的所有内容。

- Chris Nava

---

我对XSLT没有太多经验 - 但这是我将来可能尝试的东西。 - Charlie Salts

Answer 4

使用正则表达式解析XML被认为是不良风格。 请使用一些XML解析库。

- Anonymous

Answer 5

这里是一些完整的示例代码，用于读取XML文件，并返回一个字符串，该字符串是没有注释的文件。

var text = File.ReadAllText("c:\file.xml");
{ 
  const string strRegex = @"<!--(?:[^-]|-(?!->))*-->";
  const RegexOptions myRegexOptions = RegexOptions.Multiline;
  Regex myRegex = new Regex(strRegex, myRegexOptions);
  string strTargetString = text;
  const string strReplace = @""; 

  string result = myRegex.Replace(strTargetString, strReplace);
  return result;
}

不幸的是，仅使用RegexOptions.Multiline是行不通的（这有点违反直觉）。

- Contango