在C＃中使用正则表达式突出显示html中的单词

Question

我在stackoverflow上发现了这篇文章

highlight words in html using regex & javascript - almost there

使用上面的文章，我试图使用c＃突出显示服务器上的HTML文本。代码如下所示：

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);

除了尝试突出显示图像源中包含的单词外，代码似乎效果很好：

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。

非常感谢任何帮助。

Answer 1

我会提供一个解决方案，但我同意仅使用Regex解析HTML最终不值得付出努力。也就是说，您对问题空间的了解比我们其他人更多，因此，如果您突出显示的HTML在您的控制之下，您可以测试足够的域名，以达到您想要的正则表达式。

我的解决方案会更改您提供的正则表达式以采用此方法：

1. 匹配并捕获$ 1＆gt; char，非贪婪的捕获字符不在集[＆lt;＆gt;]
中
2. 将您的关键字匹配并捕获到$ 2
3. 匹配并捕获不在集合[＆lt;＆gt;]中的$ 3非贪婪字符，加上＆lt;炭

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. 这会突出显示<textarea>...</textarea>
中的内容
3. 这会突出显示<script>...</script>
中的内容

请注意，您可以展开左侧的捕获以捕获标记名称，并有条件地不替换像textarea和script这样的标记集。

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);