突出显示整个单词，省略 HTML

Question

我正在编写一些 C# 代码来解析 RSS 提要并突出显示内容中特定的整个单词，但是，我只需要突出显示 HTML 之外的单词。到目前为止，我有：

string contentToReplace = "This is <a href=\"test.aspx\" alt=\"This is test content\">test</a> content";

string pattern = "\b(this|the|test|content)\b";

string output = Regex.Replace(contentToReplace, pattern, "<span style=\"background:yellow;\">$1</span>", RegexOptions.Singleline | RegexOptions.IgnoreCase);

这很好用，除了它会在 alt 标签中突出显示单词“test”。我可以轻松编写一个剥离 HTML 的函数，然后进行替换，但我需要保留 HTML 以显示内容。

Answer 1

如果输入是有效的 XHTML/XML，您可以将其解析为树结构 (DOM/XLinq)，递归遍历树，替换文本节点中出现的所有关键字，最后将树结构序列化回字符串。

未经测试的伪代码：

XNode Highlight(XElement element, List<string> keywords)
{
    var result = new XElement(element.Name);
    // copy element attributes to result

    foreach (var node in element)
    {
        if (node.Type == NodeType.Text)
        {
            var value = node.Value;
            // while value contains keyword
            // {
            //      add substring before keyword in value to result
            //      add new XElement with highlighted keyword to result
            //      remove consumed substring from value
            // }
        }
        else if (node.Type == NodeType.Element)
        {
            result.Add(Highlight((XElement)node, keywords));
        }
        else
        {
            result.Add(node);
        }
    }

    return result;
}

var output = Highlight(XElement.Parse(input), new List<string> {...}).ToString();

Answer 2

如果您有有效的 XML 但不想解析它，另一种解决方案是：首先将输入字符串拆分为多个部分，使每个部分仅包含一个标签或文本，但不能同时包含两者。例如：

"This is ",
"<a href=\"test.aspx\" alt=\"This is test content\">",
"test"
"</a>"
" content"

然后遍历各个部分并将您的正则表达式仅应用于不以'<' 开头的字符串。最后，将所有部分重新连接成一个字符串。

Answer 3

这是一个基本的。

private void Form1_Load(object sender, EventArgs e)
    {
        string contentToReplace = "This is <a href=\"test.aspx\" alt=\"This is test content\"> hello test world</a> content";

        string pattern = @"(>{1}.*)(test)(.*<{1})";

        string output = Regex.Replace(contentToReplace, pattern, "$1<span>$2</span>$3", RegexOptions.Singleline | RegexOptions.IgnoreCase);

        //output is :
        //This is <a href="test.aspx" alt="This is test content"> hello <span>test</span> world</a> content


        MessageBox.Show(output);
        Close();
    }