如何在C#中用正则表达式替换<p>标签内的所有换行符

问题描述 #

现有如下HTML结构：

<html>
   <body>
      ...
      <p class="class1">
       Text
       Some more text
       Even more text
      </p>
      ...
      <p class="class2">
       Bla
       Bla
       Read more at
      <a href="..." >Link</a>
      </p>
</html>

需要在C#中将<p>标签内的所有换行符替换为<br />，且不影响其他标签，当前使用的正则表达式/(?<=<p).*(\n).*(?=<\/p>)/gs未达到预期效果。

解决方案 #

方法一：改进正则表达式（适合结构简单的HTML） #

原正则存在贪婪匹配、仅捕获单个换行、未考虑标签属性等问题，可结合MatchEvaluator实现精准替换：

string html = @"<html>
   <body>
      ...
      <p class=""class1"">
       Text
       Some more text
       Even more text
      </p>
      ...
      <p class=""class2"">
       Bla
       Bla
       Read more at
      <a href=""..."">Link</a>
      </p>
</html>";

// 匹配所有带属性的<p>标签，非贪婪模式确保单个<p>独立匹配
string result = Regex.Replace(html, @"<p\b[^>]*>(.*?)</p>", match => 
{
    // 替换内部内容里的所有换行（兼容Windows/Unix格式）
    string innerContent = Regex.Replace(match.Groups[1].Value, @"\r?\n", "<br />");
    // 保留原<p>标签的属性，重新拼接完整标签
    string pTagHead = match.Value.Substring(0, match.Value.IndexOf('>') + 1);
    return $"{pTagHead}{innerContent}</p>";
}, RegexOptions.Singleline);

说明：

• <p\b[^>]*>(.*?)</p>：\b避免匹配类似<ptag>的无效标签，[^>]*覆盖所有属性，.*?以非贪婪模式捕获内部内容，防止跨标签匹配。
• \r?\n同时匹配\r\n（Windows）和\n（Unix）格式的换行，确保全覆盖。

方法二：使用HtmlAgilityPack（推荐，适配复杂HTML） #

正则处理HTML易出现边缘情况（如注释、特殊字符、子标签嵌套），专业解析库HtmlAgilityPack更可靠：

1. 先通过NuGet安装HtmlAgilityPack包。
2. 编写处理代码：

using HtmlAgilityPack;

string html = @"<html>
   <body>
      ...
      <p class=""class1"">
       Text
       Some more text
       Even more text
      </p>
      ...
      <p class=""class2"">
       Bla
       Bla
       Read more at
      <a href=""..."">Link</a>
      </p>
</html>";

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(html);

// 定位所有<p>节点
var pNodes = doc.DocumentNode.SelectNodes("//p");
if (pNodes != null)
{
    foreach (var pNode in pNodes)
    {
        // 仅处理<p>内的文本节点，不影响子标签结构
        foreach (var childNode in pNode.ChildNodes.ToList())
        {
            if (childNode.NodeType == HtmlNodeType.Text)
            {
                // 替换所有格式的换行符
                string processedText = childNode.InnerText.Replace("\r\n", "<br />")
                                                         .Replace("\n", "<br />")
                                                         .Replace("\r", "<br />");
                // 创建新文本节点替换原节点
                HtmlNode newTextNode = HtmlNode.CreateNode(processedText);
                pNode.ReplaceChild(newTextNode, childNode);
            }
        }
    }
}

// 获取处理后的完整HTML
string result = doc.DocumentNode.OuterHtml;

说明：

• 精准定位<p>节点，仅修改文本内容，完全保留子标签（如示例中的<a>）的结构和属性。
• 兼容各种复杂HTML场景，符合HTML规范。

内容的提问来源于stack exchange，提问作者Noraa Junker-Wildi