在 C# 中使用正则表达式突出显示 html 中的单词

Question

我在stackoverflow上找到了这篇文章

highlight words in html using regex & javascript - almost there

使用上面的文章，我正在尝试使用 c# 突出显示服务器上的 HTML 文本。代码如下：

string replacePattern = "$1<span style=\"background-color:yellow\">$2</span>";
string searchPattern = String.Format("(?<=^|>)(.*?)({0})(?=.*?<|$)", searchString.Trim());
content = Regex.Replace(content, searchPattern, replacePattern, RegexOptions.IgnoreCase);

代码似乎运行良好，除非尝试突出显示图像源中包含的单词：

搜索关键字：

ABC

搜索文字：

<div><img src="/site/folder/ABC.PNG" /><br />ABC</div>

结果将突出显示文本和图像名称。

任何帮助将不胜感激。

Answer 1

我将提供一个解决方案，但我同意仅使用 Regex 来解析 HTML 最终是不值得的。也就是说，您比我们其他人更了解您的问题空间，因此，如果您突出显示的 HTML 在您的控制之下，您可能能够测试足够多的域，以使用正则表达式实现您想要的。

我的解决方案更改了您提供的正则表达式以采用这种方法：

1. 匹配并捕获 $1 中的 > 字符，非贪婪捕获字符不在集合中 []
2. 匹配关键字并将其捕获到 $2 中
3. 匹配并捕获到不在集合 [] 中的 $3 非贪婪字符，加上

注意事项：

1. 格式良好的 HTML 效果最好，如果这个 html 是用户生成的内容 (UGC)，那么，祝你好运，你应该使用 HTML 解析器 :)
2. 这将突出显示<textarea>...</textarea> 中的内容
3. 这将突出显示<script>...</script> 中的内容

请注意，您可以在左侧展开捕获以捕获标签名称，并且有条件地不替换一组标签，如 textarea 和 script。

string searchString = "ABC";
string content = "<div><img src='/site/folder/ABC.PNG' /><br />ABC</div>";
string replacePattern = "$1<span style=\"background-color:yellow\">$2</span>$3";
string searchPattern = String.Format("(>[^<>]*?)({0})([^<>]*?<)", searchString.Trim());
content = Regex.Replace(content, searchPattern, replacePattern, RegexOptions.IgnoreCase);
Console.WriteLine(content);