Question

我有一个包含大量旧phpBB数据的数据库，其中包含文字的帖子：

[b:522f1e2c15]bold[/b:522f1e2c15]
[i:522f1e2c15]italic[/i:522f1e2c15]
[u:522f1e2c15]underline[/u:522f1e2c15]
[img:522f1e2c15]http://www.mysite.com/myimage.jpg[/img:522f1e2c15]
[quote:522f1e2c15="Mr Smith"]quoted text by Mr Smith[/quote:522f1e2c15]
[quote="Mr Smith"]quoted text by Mr Smith[/quote]

我正在将这些数据迁移到一个新系统，当我来渲染它们时，这些标记都需要被操作，所以它们变成了：

<b>bold</b>
<i>italic</i>
<u>underline</u>
<img src="http://www.mysite.com/myimage.jpg" />
<div><h4>Posted by Mr Smith</h4>quoted text by Mr Smith
<div><h4>Posted by Mr Smith</h4>quoted text by Mr Smith

在大多数情况下，原始phpBB标签中出现的“id”与“每个帖子”相同，因此帖子可能如下所示（所有标签都包含id“522f1e2c15”）：

This is [b:522f1e2c15]bold[/b:522f1e2c15] and this is [i:522f1e2c15]italic[/i:522f1e2c15].

但是，我也需要在同一个帖子中照顾不同于一个标签的id，即。

This is [b:123f1e2c15]bold[/b:123f1e2c15] and this is [i:522f1e2c15]italic[/i:522f1e2c15].

我还需要能够处理这些标记的嵌套实例，例如，带有一些斜体标记文本的粗体标记文本，即

This is [b:522f1e2c15]bold and [i:522f1e2c15]this is bold italic[/i:522f1e2c15][/b:522f1e2c15].

我最初在这里专门发布了一个similar question来处理上面的'quote'实例，这个实例是用working solution来回答的，但经过进一步的测试，我注意到了如果标签中包含的id用于同一帖子中的另一个标签（即我上面发布的示例），那么它会中断。

基本上我需要一个能够处理上述所有内容的正则表达式解决方案。

Answer 1

嵌套标签位在Regex中很难实现，但.NET正则表达式引擎提供了处理它们和ID匹配所需的所有工具。您可以应用具有平衡组的正则表达式来解决任务。

那就是说，对于这种数据，我宁愿实现一个真正的解析器，例如使用工具集，如GOLD Parser System或ANTLR。

C＃正则表达式来操作文本

1 个答案: