c# - 删除冒号和回车并替换为冒号

Question

我正在做一个项目，其中有一个需要清理的 HMTL 片段 - HTML 已被删除，并且由于表格被删除，有一些不应该出现的奇怪结尾 :-)

出现的字符是

1. 行首空格
2. 行尾的冒号、回车符和换行符——只需将其替换为冒号即可；

我目前使用正则表达式如下:

s = Regex.Replace(s, @"(:[\r\n])", ":", RegexOptions.Multiline | RegexOptions.IgnoreCase);

// gets rid of the leading space
s = Regex.Replace(s, @"(^[( )])", "", RegexOptions.Multiline | RegexOptions.IgnoreCase);

我正在处理的例子:

Tomas Adams

Solicitor
APLawyers
p:
1800 995 718
f:
07 3102 9135
a:
22 Fultam Street
 PO Box 132, Booboobawah QLD 4113

应该是这样的:

Tomas Adams
Solicitor
APLawyers
p:1800 995 718
f:07 3102 9135
a:22 Fultam Street
PO Box 132, Booboobawah QLD 4313

作为我尝试清理字符串，但结果远非完美......有人可以帮助我纠正错误并实现我的目标......

[编辑]有问题的角色

f:\r\n07 3102 9135\r\na:\r\n22 

:\r\n 的组合应替换为单个冒号。

国际机场

达林

Answer 1

你可以使用

var result = Regex.Replace(s, @"(?m)^\s+|(?<=:)(?:\r?\n)+|(\r?\n){2,}", "$1")

参见 .NET regex demo .

详情

• (?m) - 等于 RegexOptions.Multiline - 制造 ^匹配此处任何行的开头
• ^ - 行首
• \s+ - 1+ 个空格
• | - 或者
• (?<=:)(?:\r?\n)+ - 紧接在 : 之前的位置(与 (?<=:) 正后视相匹配)随后出现 1 次以上的可选 CR 和 LF(已删除)
• | - 或者
• (\r?\n){2,} - 连续出现两次或多次可选 CR，后跟 LF 符号。只有最后一次出现在第 1 组内存缓冲区中，因此 $1替换模式插入最后一次出现。