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...
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。