个人中心
文章发布
退出
作者热门文章
- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时，我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
26
4
我目前正在将内容从一个 CMS 导出/导入到另一个 CMS。
我已经导出了。我正在将旧 CMS 中的所有内容导出到 XML 文件，保留文档的结构等。导入也已到位，映射到新的 PageTypes，映射文本字段等。我还将所有媒体从旧 CMS 导出和导入到新 CMS。
我唯一关心的是在每个页面的 RichText 字段中处理内部链接和指向媒体项的链接。
因此，每个页面都包含一个页眉、一些通用信息和一个包含 HTML 页面内容的 RichTextField。此字段可以包含指向同一站点内其他页面的链接、内部链接和指向媒体项目的链接。
我的问题是，我怎样才能找到这些，并将它们映射到我的新结构。
所有内部链接如下所示:<a href="/mycms/~/link.aspx?_id=D9423CEFED254610A5DC6B096A297E17&_z=z">...</a> (也许某些链接上可能有更多属性，例如 style=".." 、 class=".." 等。ID，是对旧 CMS 的 ID 的引用，其长度始终为 32 个字符。
媒体项(图像)可能如下所示:<img src="/mycms/~/media/B1FB91AC357347BD84913D56B8791D03.ashx" alt="" width="690" height="202" /> .同样在这里，id 的长度始终为 32 个字符。
在导入过程中，我生成了一个 json 文件，其中包含旧 CMS 中的所有 mediaId，并将其映射到新 CMS 中的新 ID。所以它看起来像这样；
{
"{0CFBBD0A-9156-4AD9-8A8A-7D30B2D7213B}":1095,
"{BE9BEAAA-F04D-42DA-B52A-44B4B31A389E}":1096,
etc.
}
请注意旧 CMS ID 的 ID 格式与链接和媒体中使用的格式不同。去掉花括号和破折号，它就会匹配。
解决此问题的最佳方法是什么？我猜 RegEx 是可行的方法 - 但它会/会是什么样子？
谢谢:)
最佳答案
你最好的选择是使用类似 HtmlAgilityPack 的东西.纯 Regex 通常过于粗糙，无法成功解析 HTML……并非不可能完成的任务，但比使用 HtmlAgilityPack 更难。
The post Eric 在他的评论中链接是 StackOverflow 历史上臭名昭著的评论，那里的多个回复详细说明了为什么不推荐使用 Regex 解析 HTML 的方法。根据我的个人经验提供 TLDR:HTML 页面通常充满小“错误”。例如，您通常会有 <img>未正确关闭的标签(如 <img /> )。确定性匹配和替换也相当困难。
因此，尝试使用正确的工具来完成工作 - 在这种情况下，正确的工具是 HtmlAgilityPack .
关于 HtmlAgilityPack 的使用 - they have good documentation .在你的情况下，你可能想看看 Replace Child功能。为了从他们的文档中重现示例，这里使用了测试 HTML:
<body>
<h1>This is <b>bold</b> heading</h1>
<p>This is <u>underlined</u> paragraph</p>
</body>
要操纵它，并替换 <h1>你会做的节点:
var htmlDoc = new HtmlDocument();
htmlDoc.LoadHtml(html); // where html = @"content previously mentioned"
var htmlBody = htmlDoc.DocumentNode.SelectSingleNode("//body");
HtmlNode oldChild = htmlBody.ChildNodes[1];
HtmlNode newChild = HtmlNode.CreateNode("<h2> This is h2 new child heading</h2>");
htmlBody.ReplaceChild(newChild, oldChild);
// now htmlBody has <h2> node instead of old <h1>
在您的情况下，您可能希望使用 SelectNodes而不是使用 XPath 的 SelectSingleNode ，您将定位要替换的元素。列表中包含这些元素后，您将迭代它们并根据条件替换内容。
要记住一件事 - 由于您的 ID 非常冗长，有 32 个字符，您可能会使用纯字符串搜索来匹配它们。所以如果您不是针对某些 HTML 元素，而是针对 ID - 那么您甚至不需要使用 HtmlAgilityPack 或 Regex - 做简单的 String.Replace("OLDUID", "NEWUID") .
关于c# - 在 HTML 中查找内容并替换它，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/48450151/
26
4
0
我需要将文本放在 中在一个 Div 中，在另一个 Div 中，在另一个 Div 中。所以这是它的样子: #document Change PIN
奇怪的事情发生了。 我有一个基本的 html 代码。 html，头部， body 。(因为我收到了一些反对票，这里是完整的代码) 这是我的CSS: html { backgroun
我正在尝试将 Assets 中的一组图像加载到 UICollectionview 中存在的 ImageView 中，但每当我运行应用程序时它都会显示错误。而且也没有显示图像。 我在ViewDidLoa
我需要根据带参数的 perl 脚本的输出更改一些环境变量。在 tcsh 中，我可以使用别名命令来评估 perl 脚本的输出。 tcsh: alias setsdk 'eval `/localhome/
我使用 Windows 身份验证创建了一个新的 Blazor(服务器端)应用程序，并使用 IIS Express 运行它。它将显示一条消息“Hello Domain\User!”来自右上方的以下 Ra
这是我的方法 void login(Event event);我想知道 Kotlin 中应该如何 最佳答案 在 Kotlin 中通配符运算符是 * 。它指示编译器它是未知的，但一旦知道，就不会有其他类
看下面的代码 for story in book if story.title.length < 140 - var story
我正在尝试用 C 语言学习字符串处理。我写了一个程序，它存储了一些音乐轨道，并帮助用户检查他/她想到的歌曲是否存在于存储的轨道中。这是通过要求用户输入一串字符来完成的。然后程序使用 strstr()
我正在学习 sscanf 并遇到如下格式字符串: sscanf("%[^:]:%[^*=]%*[*=]%n",a,b,&c); 我理解 %[^:] 部分意味着扫描直到遇到 ':' 并将其分配给 a。:
def char_check(x,y): if (str(x) in y or x.find(y) > -1) or (str(y) in x or y.find(x) > -1):
我有一种情况，我想将文本文件中的现有行包含到一个新 block 中。 line 1 line 2 line in block line 3 line 4 应该变成 line 1 line 2 line
我有一个新项目，我正在尝试设置 Django 调试工具栏。首先，我尝试了快速设置，它只涉及将 'debug_toolbar' 添加到我的已安装应用程序列表中。有了这个，当我转到我的根 URL 时，调试
在 Matlab 中，如果我有一个函数 f，例如签名是 f(a,b,c)，我可以创建一个只有一个变量 b 的函数，它将使用固定的 a=a1 和 c=c1 调用 f: g = @(b) f(a1, b,
我不明白为什么 ForEach 中的元素之间有多余的垂直间距在 VStack 里面在 ScrollView 里面使用 GeometryReader 时渲染自定义水平分隔线。 Scrol
我想知道，是否有关于何时使用 session 和 cookie 的指南或最佳实践？ 什么应该和什么不应该存储在其中？谢谢! 最佳答案 这些文档很好地了解了 session cookie 的安全问题以及
我在 scipy/numpy 中有一个 Nx3 矩阵，我想用它制作一个 3 维条形图，其中 X 轴和 Y 轴由矩阵的第一列和第二列的值、高度确定每个条形的 是矩阵中的第三列，条形的数量由 N 确定。
假设我用两种不同的方式初始化信号量 sem_init(&randomsem,0,1) sem_init(&randomsem,0,0) 现在， sem_wait(&randomsem) 在这两种情况下
我怀疑该值如何存储在“WORD”中，因为 PStr 包含实际输出。？ 既然Pstr中存储的是小写到大写的字母，那么在printf中如何将其给出为“WORD”。有人可以吗？解释一下？ #include
我有一个 3x3 数组: var my_array = [[0,1,2], [3,4,5], [6,7,8]]; 并想获得它的第一个 2
我意识到您可以使用如下方式轻松检查焦点: var hasFocus = true; $(window).blur(function(){ hasFocus = false; }); $(win
我是一名优秀的程序员,十分优秀！