如果它是 html 锚标记中的文本，则与字符串不匹配的正则表达式

Question

我正在为 blogengine.net 编写一个自动链接扩展程序，它将博客文章中的关键短语自动链接到特定的 url。我发现的问题通常是自动链接的短语列表是彼此的子集，例如“bmw”是“bmw car leasing”的子集，所以如果我首先使用正则表达式自动链接“bmw car leasing”然后自动链接短语“bmw”，前者已经自动链接。优先级很重要，较长的短语必须首先自动链接，然后是较小的短语（可能是较长短语的子集）。

我需要的是一个正则表达式，如果它已经在一个锚标记内，它将取消匹配，即我的短语应该被取消。

我不必经常使用正则表达式，所以我对它们并不完全熟悉，到目前为止，我已经设法组合了一个匹配锚标签的正则表达式，但不是相反的我需要。例如<a\b[^>]*>stuff(.*?)</a>

非常欢迎任何建议和意见。

添加并希望最终的解决方案....只有时间会证明：- 经过一番反复试验，我使用的最终正则表达式如下。这是基于我标记为答案的解决方案：-

(?<!<a [^<]+)(?<!<img [^<]+)(?<=[ ,.;!]+)search phrase goes here(?=[ ,.;&!]+)(?!!.*<\\a>)

它允许在被匹配的文本之前和之后添加一个空格和基本标点符号，并允许编码字符，如不间断空格  等。它还可以避免匹配 img 标记中的任何内容。 我意识到它仍然不是 100%，但就要求而言，它就足够了。

感谢大家的帮助和意见。

Answer 1

诀窍是使用非贪婪的lookbehind，然后为锚元素的结尾添加前瞻。我发现使用Expresso 之类的工具可以更轻松地创建这种正则表达式。

var text = "Final report of the commercial starship Nostromo, third officer reporting. The other members of the crew, Kane, Lambert, Parker, Brett, Ash and Captain Dallas, are dead. Cargo and ship destroyed. I should reach the frontier in about six weeks. With a little luck, the network will pick me up. This is Ripley, last survivor of the Nostromo, signing off.";
var phrases = new List<KeyValuePair<string, string>> { 
    new KeyValuePair<string,string>("Nostromo", "http://www.imdb.com/media/rm3374159872/tt0078748"),
    new KeyValuePair<string,string>("starship Nostromo", "http://en.wikipedia.org/wiki/Alien_%28film%29#Spaceships_and_planets")};

foreach (var phrase in phrases.OrderByDescending(kv => kv.Key.Length))
{ 
    text = new Regex("(?<!<a [^<]+)" + phrase.Key + "(?!!.*<\\a>)").
                    Replace(text, "<a href=\"" + 
                                    phrase.Value + "\">" + 
                                    phrase.Key + "</a>");
}

结果：

广告的最终报告 starship Nostromo，三副报告。 船员的其他成员，凯恩， 兰伯特、帕克、布雷特、阿什和 达拉斯船长，死了。货物和 船被毁。我应该到达 大约六周后到达边境。带一个 小运气，网络会选我 向上。这是里普利，最后的幸存者 Nostromo, 签字。

Answer 2

负向后向和前向有助于在这种情况下，以下匹配 something 仅当它前面没有 (lookbehind) 时：

(?<!<a>)something

然而，正如之前在 SO 上多次指出的那样，正则表达式并不是解析 HTML 的最佳工具，它们用于词法分析，而不是解析。有关更多信息，请查看您问题的第一条评论中链接到的question。