正则替换[caption]标签为合法HTML：保留属性的C#方案问询

没问题，我帮你搞定这个带属性的caption标签转换问题！原来的正则只能处理无属性的情况，咱们直接优化正则，让它完美支持带任意属性的[caption]标签，还能保留所有属性，方便HtmlAgilityPack解析。

核心思路 #

我们需要匹配带任意属性的[caption]起始标签，捕获属性内容和标签内的文本，然后替换成标准的HTML <caption>标签，完全保留原有的属性和内容。

正则表达式与C#代码实现 #

下面是完整的代码示例，包含标签转换和HtmlAgilityPack解析的流程：

using System.Text.RegularExpressions;
using HtmlAgilityPack;

public class CaptionTagConverter
{
    /// <summary>
    /// 将带属性的[caption]标签转换为标准HTML <caption>标签
    /// </summary>
    /// <param name="inputContent">包含[caption]标签的原始内容</param>
    /// <returns>转换后的HTML内容</returns>
    public static string ConvertCustomCaptionToHtml(string inputContent)
    {
        // 正则表达式：匹配带属性的[caption]标签，捕获属性和内容
        // \[caption(.*?)\] 匹配起始标签，捕获所有属性（非贪婪匹配避免跨标签）
        // (.*?) 捕获标签内的内容
        // \[/caption\] 匹配闭合标签
        string captionPattern = @"\[caption(.*?)\](.*?)\[/caption\]";
        
        // 替换为标准HTML标签，$1对应捕获的属性，$2对应捕获的内容
        string convertedContent = Regex.Replace(
            inputContent, 
            captionPattern, 
            "<caption$1>$2</caption>", 
            RegexOptions.Singleline | RegexOptions.IgnoreCase);
        
        return convertedContent;
    }

    /// <summary>
    /// 结合HtmlAgilityPack解析转换后的内容
    /// </summary>
    /// <param name="inputContent">原始内容</param>
    public static void ParseConvertedContent(string inputContent)
    {
        string html = ConvertCustomCaptionToHtml(inputContent);
        HtmlDocument doc = new HtmlDocument();
        doc.LoadHtml(html);

        // 现在可以正常查询所有caption标签及其属性
        var captionNodes = doc.DocumentNode.SelectNodes("//caption");
        if (captionNodes != null)
        {
            foreach (var node in captionNodes)
            {
                Console.WriteLine($"Caption标签属性列表:");
                foreach (var attr in node.Attributes)
                {
                    Console.WriteLine($"- {attr.Name}: {attr.Value}");
                }
                Console.WriteLine($"Caption内容: {node.InnerText.Trim()}");
                Console.WriteLine("---");
            }
        }
    }
}

关键细节说明 #

• 非贪婪匹配.*?：避免一次性匹配多个[caption]标签之间的所有内容，确保每个标签独立转换。
• RegexOptions.Singleline：让正则中的.匹配换行符，支持多行的caption内容。
• RegexOptions.IgnoreCase：兼容大小写不一致的标签（比如[Caption]或[CAPTION]）。

测试示例 #

如果你的原始内容是：

[caption id="img-cap-001" align="center" class="photo-caption"]这是一张风景照的标题[/caption]

转换后会得到标准的HTML：

<caption id="img-cap-001" align="center" class="photo-caption">这是一张风景照的标题</caption>

此时HtmlAgilityPack可以正常读取id、align、class等所有属性，完全满足解析需求。

内容的提问来源于stack exchange，提问作者user2272525