Trouver une chaîne et la remplacer plus efficacement

Question

Situation: J'ai un fichier html et j'ai besoin de supprimer certaines sections.

Par exemple: Le fichier contient html: <div style="padding:10px;">First Name:</div><div style="padding:10px; background-color: gray">random information here</div><div style="padding:10px;">First Name:</div><div style="padding:10px; background-color: gray">random information here</div>

Je dois enlever tout le texte qui commence par "<div style="padding:10px; background-color: gray">" et se termine par "</div>" de sorte que le résultat serait:

<div style="padding:10px;">First Name:</div><div style="padding:10px;">First Name:</div> 

I créé 2 fonctions qui font cela, mais je ne le fais pas du tout efficace. J'ai un fichier de 40 Mo et il faut environ 2 heures pour terminer le programme. Y a-t-il un moyen plus efficace de le faire? Existe-t-il un moyen d'utiliser regex?

Voir mon code ci-dessous:

Public Shared Function String_RemoveText(ByVal startAt As String, ByVal endAt As String, ByVal SourceString As String) As String 
    Dim TotalCount As Integer = String_CountCharacters(SourceString, startAt) 
    Dim CurrentCount As Integer = 0 

RemoveNextString: 

    Dim LeftRemoved As String = Mid(SourceString, InStr(SourceString, startAt) + 1, Len(SourceString) - Len(endAt)) 
    Dim RemoveCore As String = Left(LeftRemoved, InStr(LeftRemoved, endAt) - 1) 
    Dim RemoveString As String = startAt & RemoveCore & endAt 


    Do 
     ' Application.DoEvents() 
     SourceString = Replace(SourceString, RemoveString, "") 
     If InStr(SourceString, startAt) < 1 Then Exit Do 
     GoTo RemoveNextString 
    Loop 

    Return Replace(SourceString, RemoveString, "") 

End Function 

Public Shared Sub Files_ReplaceText(ByVal DirectoryPath As String, ByVal SourceFile As String, ByVal DestinationFile As String, ByVal sFind As String, ByVal sReplace As String, ByVal TrimContents As Boolean, ByVal RemoveCharacters As Boolean, ByVal rStart As String, ByVal rEnd As String) 

    'CREATE NEW FILENAME 
    Dim DateFileName As String = Date.Now.ToString.Replace(":", "_") 
    DateFileName = DateFileName.Replace(" ", "_") 
    DateFileName = DateFileName.Replace("/", "_") 
    Dim FileExtension As String = ".txt" 
    Dim NewFileName As String = DirectoryPath & DateFileName & FileExtension 
    'CHECK IF FILENAME ALREADY EXISTS 
    Dim counter As Integer = 0 
    If IO.File.Exists(NewFileName) = True Then 
     'CREATE NEW FILE NAME 
     Do 
      'Application.DoEvents() 
      counter = counter + 1 
      If IO.File.Exists(DirectoryPath & DateFileName & "_" & counter & FileExtension) = False Then 
       NewFileName = DirectoryPath & DateFileName & "_" & counter & FileExtension 
       Exit Do 
      End If 
     Loop 
    End If 
    'END NEW FILENAME 

    'READ SOURCE FILE 
    Dim sr As New StreamReader(DirectoryPath & SourceFile) 
    Dim content As String = sr.ReadToEnd() 
    sr.Close() 

    'WRITE NEW FILE 
    Dim sw As New StreamWriter(NewFileName) 

    'REPLACE VALUES 
    content = content.Replace(sFind, sReplace) 

    'REMOVE STRINGS 
    If RemoveCharacters = True Then content = String_RemoveText(rStart, rEnd, content) 


    'TRIM 
    If TrimContents = True Then content = Regex.Replace(content, "[\t]", "") 

    'WRITE FILE 
    sw.Write(content) 

    'CLOSE FILE 
    sw.Close() 
End Sub 

Exemple pour exécuter le code (supprime également Chr (13) & Chr (10): Files_ReplaceText(tPath.Text, tSource.Text, "", Chr(13) & Chr(10), "", True, True, tStart.Text, tEnd.Text)

Answer 1

Ne pas utiliser une expression rationnelle pour analyser HTML - il est pas une langue régulière. Voir here pour des démonstrations convaincantes.

Utilisez le HTML Agility Pack pour analyser le code HTML et remplacer des données.