(2018-03-17 업데이트)

문제 :

문제는 String.Contains 가 단어 경계 검사를 수행하지 않는다는 것입니다. 따라서 Contains("float") 는 "foo float bar"(올바른)와 "unfloating"(둘 다)에 대해 true 를 반환 true 부정확 함).

해결책은 양측 의 단어 경계 옆에 "float"(또는 원하는 클래스 이름이 무엇이든)이 나타나는지 확인 하는 것 입니다. 단어 경계는 문자열 (또는 줄)의 시작 (또는 끝), 공백, 특정 문장 부호 등입니다. 대부분의 정규식에서 이것은 \b 입니다. 그래서 당신이 원하는 정규식은 간단합니다 : \bfloat\b .

Regex 인스턴스를 사용하는 단점은 .Compiled 옵션을 사용하지 않으면 실행 속도가 느려질 수 있으며 컴파일 속도가 느려질 수 있다는 것입니다. 그래서 당신은 regex 인스턴스를 캐시해야합니다. 런타임에 변경하려는 클래스 이름이 있으면이 작업이 더 어려워집니다.

또는 정규 표현식을 사용하지 않고 C # 문자열 처리 함수로 정규식을 사용하지 않고 단어 경계로 단어를 검색 할 수 있습니다. 새 문자열이나 다른 객체 할당 (예 : String.Split 사용하지 않음)이 발생하지 않도록주의하십시오.

접근법 1 : 정규식 사용 :

디자인 타임에 지정된 단일 class-name을 가진 요소를 찾고자한다고 가정 해보십시오.

class Program {

    private static readonly Regex _classNameRegex = new Regex( @"\bfloat\b", RegexOptions.Compiled );

    private static IEnumerable<HtmlNode> GetFloatElements(HtmlDocument doc) {
        return doc
            .Descendants()
            .Where( n => n.NodeType == NodeType.Element )
            .Where( e => e.Name == "div" && _classNameRegex.IsMatch( e.GetAttributeValue("class", "") ) );
    }
}

런타임에 단일 클래스 이름을 선택해야하는 경우 정규식을 만들 수 있습니다.

private static IEnumerable<HtmlNode> GetElementsWithClass(HtmlDocument doc, String className) {

    Regex regex = new Regex( "\\b" + Regex.Escape( className ) + "\\b", RegexOptions.Compiled );

    return doc
        .Descendants()
        .Where( n => n.NodeType == NodeType.Element )
        .Where( e => e.Name == "div" && regex.IsMatch( e.GetAttributeValue("class", "") ) );
}

클래스 이름이 여러 개이고 모두 일치시키려는 경우 Regex 객체의 배열을 만들어 모두 일치하는지 확인하거나 lookaround를 사용하여 단일 Regex 결합 할 수 있습니다. 그러나이 경우 몹시 복잡한 표현 이됩니다 . 그래서 Regex[] 사용하는 것이 더 좋다 :

using System.Linq;

private static IEnumerable<HtmlNode> GetElementsWithClass(HtmlDocument doc, String[] classNames) {

    Regex[] exprs = new Regex[ classNames.Length ];
    for( Int32 i = 0; i < exprs.Length; i++ ) {
        exprs[i] = new Regex( "\\b" + Regex.Escape( classNames[i] ) + "\\b", RegexOptions.Compiled );
    }

    return doc
        .Descendants()
        .Where( n => n.NodeType == NodeType.Element )
        .Where( e =>
            e.Name == "div" &&
            exprs.All( r =>
                r.IsMatch( e.GetAttributeValue("class", "") )
            )
        );
}

접근법 2 : 정규식이 아닌 문자열 일치 사용 :

정규식 대신 문자열 일치를 수행하는 사용자 지정 C # 메서드를 사용하면 성능이 향상되고 메모리 사용량이 줄어 듭니다. (일부 경우 Regex 가 더 빠를 수도 있지만 항상 코드를 먼저 작성합니다.)

이 메소드는 다음과 같습니다 : CheapClassListContains 는 CheapClassListContains 와 같은 방식으로 사용할 수있는 빠른 단어 경계 검사 문자열 일치 기능을 regex.IsMatch .

private static IEnumerable<HtmlNode> GetElementsWithClass(HtmlDocument doc, String className) {

    return doc
        .Descendants()
        .Where( n => n.NodeType == NodeType.Element )
        .Where( e =>
            e.Name == "div" &&
            CheapClassListContains(
                e.GetAttributeValue("class", ""),
                className,
                StringComparison.Ordinal
            )
        );
}

/// <summary>Performs optionally-whitespace-padded string search without new string allocations.</summary>
/// <remarks>A regex might also work, but constructing a new regex every time this method is called would be expensive.</remarks>
private static Boolean CheapClassListContains(String haystack, String needle, StringComparison comparison)
{
    if( String.Equals( haystack, needle, comparison ) ) return true;
    Int32 idx = 0;
    while( idx + needle.Length <= haystack.Length )
    {
        idx = haystack.IndexOf( needle, idx, comparison );
        if( idx == -1 ) return false;

        Int32 end = idx + needle.Length;

        // Needle must be enclosed in whitespace or be at the start/end of string
        Boolean validStart = idx == 0               || Char.IsWhiteSpace( haystack[idx - 1] );
        Boolean validEnd   = end == haystack.Length || Char.IsWhiteSpace( haystack[end] );
        if( validStart && validEnd ) return true;

        idx++;
    }
    return false;
}

접근법 3 : CSS 선택기 라이브러리 사용 :

HtmlAgilityPack은 다소 정체되어 있지만 .querySelector 및 .querySelectorAll 지원하지 않지만 .querySelector 을 확장하는 타사 라이브러리, 즉 Fizzler 및 CssSelectors가 있습니다. 두 Fizzler 및 CssSelectors 구현 QuerySelectorAll 당신과 같이 사용할 수 있습니다 :

private static IEnumerable<HtmlNode> GetDivElementsWithFloatClass(HtmlDocument doc) {

    return doc.QuerySelectorAll( "div.float" );
}

런타임 정의 클래스 사용 :

private static IEnumerable<HtmlNode> GetDivElementsWithClasses(HtmlDocument doc, IEnumerable<String> classNames) {

    String selector = "div." + String.Join( ".", classNames );

    return doc.QuerySelectorAll( selector  );
}