Numa aplicação que tenho em desenvolvimento, uma das funcionalidades que existe é a exportação de tabelas para Excel. Há algum tempo que tenho desenvolvido uma pequena classe que que exporta objectos do tipo GridView, DetailsView e agora Table de uma pagina ASP.Net para Excel. A classe renderiza o código do controlo e transforma-o numa worksheet de Excel, com um controlo por folha. A limitação existente é que o ficheiro gerado (que é XML) apenas é legível no Microsoft Excel. Outros editores como o OpenOffice não interpretam correctamente o XML (nem consegue gerar um XML correcto para abrir no Excel).

Um detalhe/feature que adicionou agora foi a extracção de links. Quando a célula da tabela incluía um link, o HTML desse link era escrito na célula da folha excel. Por exemplo, poderia ter:

2 / EP / <a href="/APP/form.aspx?queryparam=1" alt="">1</a>

Em vez do simples 2 /EP / 1 que desejava na celula.

Porque a string que deve ser removida (ou substituída) é algo complexa de encontrar, o uso de Regex é o caminho a seguir para a sua substituição.

Não estou muito habituado a trabalhar com REGEX, portanto nada melhor que usar um aplicativo auxiliar. Neste caso o RegexBuddy que é MARAVILHOSO para esta tarefa. O RegexBuddy permite criar e testar expressões regulares. Mas o forte do aplicativo é a capacidade didáctica que tem (no painel de criação, a expressão que introduzimos é explicado bloco a bloco, detalhe a detalhe), e ainda gera o código necessário para o usar na linguagem favorita, incluindo o C#. A experimentar, sem dúvida!

No caso da substituição do, criei a seguinte:

O primeiro grupo <a\s[^>]*> procura o texto <a ….> (começa com <a e um espaço, depois pode ter quais quer caracteres até ao > e finalmente encontra o > ). O segundo grupo ([^<]*) é próprio texto do link e que me interessa conservar. De notar, que estando entre parentes, pode ser recuperado por “backreference”; O Terceiro grupo é a tag que fecha o link, ou seja o “<\a>.

O RegexBuddy, “buddy” como realmente é, ainda cria o código para o colcoar no C#:

que devolve a string que substitui os links existentes pelo texto no próprio link, e substitui todas as instâncias de link existentes no mesmo. O $1, no ultimo parâmetro, representa a primeira “backreference”, que neste caso é o texto devolvido pelo ([^<^]*).