C# htmlファイルを、preタグを残して加工

質問

お世話になります。

C#で、htmlファイルのタグを解析するプログラムを
組んでいるのですが、preタグがあった場合のに、その場所を
回避して、解析やら置換やらをしたいと思っています。

例でいうと
－－－－－－－－－－－－－－－－
<div>
<h1>こんにちは。</h1>
<p>
今日も暑いですね。
</p>
<p>本日のサンプルプログラムです。</p>
<code>
<pre>
public void aaa()
{
// 文字列を表示する
Console.Writeline("Hello World!");
}
</pre>
</code>
</div>
－－－－－－－－－－－－－－－－
上記のようなファイルがあった場合、普通に
改行を取り除くと、preの中も一列に繋がってしまいますが、
これをpreタグの中以外のみ改行を取り除きたい。

－－－－－－－－－－－－－－－－
<div><h1>こんにちは。</h1><p>今日も暑いですね。</p><p>本日のサンプルプログラムです。</p><code>
<pre>
public void aaa()
{
// 文字列を表示する
Console.Writeline("Hello World!");
}
</pre>
</code></div>

－－－－－－－－－－－－－－－－

こうなってもらいたいのです。

正規表現などを使用するのだと思いますが、よくわかりませんでした。

この部分のサンプルなどをお教えいただけないでしょうか。

よろしくお願いいたします。

回答No.2

oboroxx · ベストアンサー

Regex reg = new Regex("(?<pre><pre[^>]*>.*</pre>)|(<(\"[^\"]*\"|'[^']*'|[^\"'])*?>)|(?<sentense>[^<>\r\n]+)", RegexOptions.Singleline);

を

Regex reg = new Regex("(?<pre><pre[^>]*>.*?</pre>)|(<(\"[^\"]*\"|'[^']*'|[^\"'])*?>)|(?<sentense>[^<>\r\n]+)", RegexOptions.Singleline);

に置き換えてみてください。

お礼

度々すみませんでした。

いただいた内容では、どこも変わっていないようですが…。

ただ、処理自体は合っていたようです。誤解をし、
申し訳ありませんでした。

いただいた回答をもとに、再度勉強させていただきます。

ありがとうございました。

回答No.1

oboroxx

こんな感じでしょうか。

public partial class Form1 : Form
{

public Form1()
{
InitializeComponent();
}

private void button1_Click(object sender, EventArgs e)
{
OpenFileDialog ofd = new OpenFileDialog();
if (ofd.ShowDialog() == System.Windows.Forms.DialogResult.OK)
{
string f = ofd.FileName;
Encoding en = Encoding.GetEncoding("shift-jis");
StreamReader sr = new StreamReader(f, en);
string text = sr.ReadToEnd();
sr.Close();

Regex reg = new Regex("(?<pre><pre[^>]*>.*</pre>)|(<(\"[^\"]*\"|'[^']*'|[^\"'])*?>)|(?<sentense>[^<>\r\n]+)", RegexOptions.Singleline);
MatchCollection mc = reg.Matches(text);

foreach (Match m in mc)
{
this.textBox1.Text += m.Groups[1].Value + m.Groups["pre"].Value + m.Groups["sentense"].Value;
}
}
}
}

参考URL：

http://www.oborodukiyo.info/RE/VS2010/RE-Main.aspx

補足

ご返答、ありがとうございます。

せっかくですが、いただいた方法ですと、
文中にいくつものpreタグがある場合、最初のpre開始タグと
最後の/pre終了タグを大きな塊とみてしまい、正しく
変換できませんでした。

また、何しろ初心者なもので、正規表現の中が
解析できませんでした。

すみませんが、もう一度手ほどきをお願いできますでしょうか。

よろしくお願いいたします。