正则表达式替换html标签和锚（a）标签文本之外的匹配关键字

Question

我正在开发一个 asp.net 应用程序。我想添加一个关键字链接系统。

我想让关键字成为另一个页面的超链接。但是，如果它当前链接（到任何页面），我不应该链接关键字。例如：

it is a <a href="http://www.somesite.com">linked keyword</a> and it should be a linked keyword.

应该转换为：

it is a <a href="http://www.somesite.com">linked keyword</a> and it should be a linked <a href="http://newlycreatedLink.com">keyword</a>.

如您所见，第一个关键字应该保持不变。

你能帮我解决这个问题吗？

我在 asp.net 论坛中找到了this link。但我应该调整答案以排除当前链接的关键字。我到处搜索，但一无所获。

Answer 1

要检查关键字是否为“外部”，look ahead

• (?= 如果关键字后面有一个开头 <tag 或 $ 结尾
• [^<>]* 任意数量的字符，不是 > 或 <
• 后跟(?:<\w|$)，其中\w 是单词字符[a-zA-Z_0-9] 的简写

所以模式可能看起来像：

String pattern = @"(?i)\bkeyword\b(?=[^<>]*(?:<\w|$))";

String replacement = @"<a href=\"http://newlycreatedLink.com\">\0</a>";

将关键字放入词边界\b 并使用(?i) i 修饰符以不区分大小写。

所以这只会替换keyword，后面跟着一个开始标签或结尾。

---

更新：要替换keyword 也是“内部”标签，这些标签不以</a 结尾，添加|<\/[^a]：

String pattern = @"(?i)\bkeyword\b(?=[^<>]*(?:<\w|<\/[^a]|$))";

Answer 2

不要使用正则表达式来解析复杂的 HTML。改用适当的 HTML 解析器 — here's why。