正则表达式选项：匹配多行并忽略大小写。

Question

我有一些格式不规范的HTML代码，有时候会缺少双引号。此外，有时候会出现大写字母，而其他时候则是小写字母：

<DIV class="main">
    <DIV class="subsection1">
   <H2>
   <DIV class=subwithoutquote>StackOverflow</DIV></H2></DIV></DIV>

我希望能够匹配多行且忽略大小写。但是以下模式似乎无法工作。（对于连接，我也尝试了 | 而不是 &）

const string pattern = @"<div class=""?main""?><div class=""?subsection1""?><h2><div class=""?subwithoutquote""?>(.+?)</div>";
Match m = Regex.Match(html, pattern, RegexOptions.IgnoreCase & RegexOptions.Singleline);

或者我应该在模式中添加\n*来解决多行问题吗？

- Yang

---

我已经编辑了你的标题。请参考“问题的标题应该包含“标签”吗？”，在那里达成共识是“不应该”。 - John Saunders

你尝试过使用HTML解析器吗？ - svick

请参见 https://dev59.com/X3I-5IYBdhLWcg3wq6do。 - abatishchev

你的正则表达式失败了，因为你没有允许标签之间的自由空格\s+。 - nhahtdh

Answer 1

第一个问题在于你的正则表达式中没有考虑制表符之间的空白。正确的正则表达式（在 Rubular 上测试过）是：

<div class=""?main""?>\s*<div class=""?subsection1""?>\s*<h2>\s*<div class=\"?subwithoutquote\"?>(.+?)<\/div>\s*

请注意添加了几个\s*表达式。

第二个问题是，您没有正确地连接选项。

您的代码：

Match m = Regex.Match(html, pattern, RegexOptions.IgnoreCase & RegexOptions.Singleline);

由于这些是位标志，按位与（&运算符）是错误的标志。你需要的是按位或（|运算符）。

按位与意味着“如果在这两个中都设置了该位，则保留该位设置；否则，取消设置。你需要按位或，它意味着“如果在任一一个中设置了该位，则设置它；否则，取消设置。”

- ashes999

---

我编辑了我的原始帖子。 我尝试过&和|，但都不起作用。 - Yang

@Yang 我已经更新并纠正了正则表达式中空格的遗漏，这样问题就解决了。 - ashes999

Answer 2

在这种情况下，您需要将它们进行逻辑或（OR）运算。

const string pattern = @"<div class=""?main""?><div class=""?subsection1""?><h2><div class=""?subwithoutquote""?>(.+?)</div>";
Match m = Regex.Match(html, pattern, RegexOptions.IgnoreCase | RegexOptions.Singleline)

编辑：将您的正则表达式更改为以下内容...

const string pattern = @"<div class="?main"?>\s*<div class="?subsection1"?>\*+<h2>\s*<div class="?subwithoutquote"?>(.+?)</div>

- Kyle C