RegEx.Replace，但排除HTML标记内的匹配项？

如何解决RegEx.Replace，但排除HTML标记内的匹配项？

| 我有一个称为HighlightKeywords的帮助程序方法，该方法在查看搜索结果时在论坛上使用，以突出显示用户搜索过的帖子中的关键字。 我遇到的问题是，例如，用户搜索关键字\'hotmail \'，其中HighlightKeywords方法随后找到该关键字的匹配项，并用一个span标记将其包装起来，该标记指定要应用的样式，在html定位标记和某些情况下匹配图像标记。结果，当我将突出显示的帖子呈现到屏幕上时，html标记被破坏了（由于在其中插入了跨度）。 这是我的功能：

public static string HighlightKeywords(this string s,string keywords,string cssClassName)
    {
        if (s == string.Empty || keywords == string.Empty)
        {
            return s;
        }

        string[] sKeywords = keywords.Split(\' \');
        foreach (string sKeyword in sKeywords)
        {
            try
            {
                s = Regex.Replace(s,@\"\\b\" + sKeyword + @\"\\b\",string.Format(\"<span class=\\\"\" + cssClassName + \"\\\">{0}</span>\",\"$0\"),RegexOptions.IgnoreCase);
            }
            catch {}
        }
        return s;
    }

防止这种情况破裂的最佳方法是什么？即使我只是简单地排除锚标签（无论是网站地址还是电子邮件地址）或图像标签中发生的任何匹配项？     

解决方法

不，你不能那样做。至少，不会以不会中断的方式出现。正则表达式不能胜任解析HTML的任务。真的对不起。您也将需要阅读以下内容：RegEx匹配XHTML自包含标签以外的打开标签 因此，您可能需要解析HTML（我听说HtmlAgilityPack很好），然后仅在文档的某些部分内进行匹配-不包括定位标记等。     ,我遇到了同样的问题，想出了解决办法

    public static string HighlightKeyWords(string s,string[] KeyWords)
    {
        if (KeyWords != null && KeyWords.Count() > 0 && !string.IsNullOrEmpty(s))
        {
            foreach (string word in KeyWords)
            {
                s = System.Text.RegularExpressions.Regex.Replace(s,word,string.Format(\"{0}\",\"{0}$0{1}\"),System.Text.RegularExpressions.RegexOptions.IgnoreCase);
            }
        }

        s = string.Format(s,\"<mark class=\'hightlight_text_colour\'>\",\"</mark>\");

        return s;
    }

看起来有点吓人，但我推迟了html标签的添加，直到regex表达式与所有关键字匹配为止，然后再添加{0}和{1}开头和结尾html标签的占位符，而不是标签。然后，我在末尾添加html标签， 从循环内部使用占位符。 如果将{0}或{1}的关键字作为关键字传递，仍然会中断。     ,Marcus，复活了这个问题，因为它有一个未提及的简单解决方案。除了在情况s1，s2，s3等情况下，这种情况听起来与匹配（或替换）模式非常相似。 关于使用正则表达式解析html的所有免责声明，这是一种简单的方法。 以ѭ2为例以最简单的形式展示该技术，这是我们的简单正则表达式：

<a.*?</a>|(hotmail)

交替的左侧匹配完整的

<a ... </a>

标签。我们将忽略这些匹配。右侧将

hotmail

匹配并捕获到组1，我们知道它们是右侧

hotmail

，因为它们与左侧的表达式不匹配。 该程序显示了如何使用正则表达式（请参见在线演示底部的结果）：

using System;
using System.Text.RegularExpressions;
using System.Collections.Specialized;
class Program
{
static void Main() {
var myRegex = new Regex(@\"<a.*?</a>|(hotmail)\");
string s1 = @\"replace this=> hotmail not that => <a href=\"\"http://hotmail.com\"\">hotmail</a>\";

string replaced = myRegex.Replace(s1,delegate(Match m) {
if (m.Groups[1].Value != \"\") return \"<span something>hotmail</span>\";
else return m.Value;
});
Console.WriteLine(\"\\n\" + \"*** Replacements ***\");
Console.WriteLine(replaced);


Console.WriteLine(\"\\nPress Any Key to Exit.\");
Console.ReadKey();

} // END Main
} // END Program

参考 除了情况s1，s2，s3以外，如何匹配（或替换）模式...