Question

我有一些关键字（单个单词或几个单词）列表，我想用一些URL替换它们。

像：

伦敦将被<a href="http://www.mysite/london-events/london">London</a>
伦敦的足球赛事<a href="http://www.mysite/footbal-events/london"> Football events in London</a>
伦敦足球赛事<a href="http://www.mysite/footbal-events/london"> London football events</a>
伦敦足球赛事<a href="http://www.mysite/footbal-events/london"> Football events London</a>
伦敦的派对网站<a href="http://www.mysite/party-sites/london"> party sites in London</a>
伦敦派对网站<a href="http://www.mysite/party-sites/london"> London party sites</a>

我将上面的键/值放在字典中，键中的关键字和值中的URL并替换为

内容如下：

伦敦是一个伟大的城市，并拥有伦敦的足球赛事，但派对伦敦的景点也不错。伦敦足球赛事很棒伦敦派对网站。享受伦敦！

替换键/值的代码：

private static string ParsedContents(some arguments list here...)
{
    Dictionary<string, string> keyWords = GetKeywordsAndEntityWithURL(some arguments list here...);

    StringBuilder parsedContents = new StringBuilder(contents);

    foreach (var keyWord in keyWords)
    {
        string replacedString = Regex.Replace(parsedContents.ToString(), "\\b" + keyWord.Key + "\\b", keyWord.Value, RegexOptions.IgnoreCase);
        parsedContents.Remove(0, parsedContents.Length);
        parsedContents.Append(replacedString);
    }

    // retrun parsed contents as string.
    return parsedContents.ToString();
}

当我运行我的代码时，只有'伦敦'替换为'<a href="http://www.mysite/london-events/london">London</a>'而其他所有代码保持不变，但如果我从关键字中删除'伦敦'它就可以正常工作。

你可以帮我解决一下我如何匹配整个字符串。

要替换的内容和网址是假的：

由于

Answer 1

因为您要链接的某些短语包含您想要链接的其他短语，并且链接本身也将包含这些短语，如果您想避免棘手的正则表达式，则必须分两个阶段进行：

阶段1：将每个短语替换为与其他任何内容都不匹配的短语的唯一ID：

您需要更换更长时间短期前的短语确定你不只替换部分的短语（例如“伦敦”中的“伦敦” 足球赛事“）。
您可以存储要在SortedDictionary中链接的短语和URL，并提供IComparer<string>按字母顺序按长度对字符串进行排序。请注意，相同长度的字符串仍然比较不同是很重要的，或者您不能将它们都存储在字典中。
当你更换你应该生成的每个短语将替换它的链接，并构建将ID映射到链接的字典。
如果您使用string.Replace 替换你需要的短语对待只有不同的短语案例作为不同的短语，即 “伦敦的派对网站”与众不同来自“伦敦的派对网站”和每个将需要一个单独的ID。

阶段2：将所有占位符ID替换为生成的链接。

这是一个可以做到的课程：

class TextLinker : IComparer<string>
{
    private SortedDictionary<string, string> phrasesToUrls;

    public TextLinker()
    {
        // Pass self as IComparer to sort dictionary using Compare method.
        phrasesToUrls = new SortedDictionary<string, string>(this);
    }

    public void AddLink(string phrase, string URL)
    {
        phrasesToUrls.Add(phrase, URL);
    }

    public string Link(string text)
    {
        // phase 1: replace phrases to be linked with unique placeholders
        Dictionary<string, string> placeholdersToLinks =
            new Dictionary<string, string>();
        foreach (KeyValuePair<string, string> pair in phrasesToUrls)
        {
            // Replace phrases with placeholders.
            string placeholder = Guid.NewGuid().ToString();
            text = text.Replace(pair.Key, placeholder);
            // Create dictionary of links by placeholder
            string link = string.Format(
                "<a href=\"{0}\">{1}</a>",
                pair.Value,
                pair.Key);
            placeholdersToLinks.Add(placeholder, link);
        }
        // Phase 2: replace unique placeholders with links.
        foreach (KeyValuePair<string, string> pair in placeholdersToLinks)
        {
            text = text.Replace(pair.Key, pair.Value);
        }
        return text;
    }

    public int Compare(string x, string y)
    {
        if (x.Length > y.Length) return -1;
        if (x.Length < y.Length) return +1;
        // Equal length strings still need to be differentiated, otherwise
        // they will be treated as the same key by the  dictionary.
        return x.CompareTo(y);
    }
}

这是一个使用它的例子：

string input = "London is a great city and have football events " +
    "in London but party sites in London are also good. London " +
    "football events are great along with London party sites. " +
    "Enjoy London!";

TextLinker linker = new TextLinker();
linker.AddLink(
    "Football events in London",
    "http://www.mysite/footbal-events/london");
linker.AddLink(
    "football events in London",
    "http://www.mysite/footbal-events/london");
linker.AddLink(
    "London football events",
    "http://www.mysite/footbal-events/london");
linker.AddLink(
    "London",
    "http://www.mysite/london-events/london");
linker.AddLink(
    "Party sites in London",
    "http://www.mysite/party-sites/london");
linker.AddLink(
    "party sites in London",
    "http://www.mysite/party-sites/london");
linker.AddLink(
    "London party sites",
    "http://www.mysite/party-sites/london");

string output = linker.Link(input);

您还可以重载AddLink方法，以自动生成具有替代大小写的短语。

Answer 2

如果您首先用URL替换所有较长的字符串，而不是在URL中设置“London”，您可以设置另一个单词，例如“Lxondon”，该怎么办？将包含London的所有字符串替换为相应的URL后，您也可以用其URI替换London。最后，您将在所有文本中将“Lxondon”替换为“伦敦”。

这不是一个非常好的方法，但我认为它会起作用。

Answer 3

如果伦敦首先被替换，那么你的其他正则表达字符串将不再存在于文本中。

伦敦的足球赛事

现在是

London

中的足球赛事

Answer 4

要详细说明其他答案，您必须先放置最长且更复杂的字符串替换。例如

伦敦的足球赛事

伦敦

如果你在你的例子中做伦敦，并用肯特替换它，任何“伦敦足球赛事”的实例将成为“肯特的足球赛事”，并且不会满足正则表达式。

PS：如果您经常使用它，可能需要考虑将其作为字符串的扩展方法。

Answer 5

如果您以递归方式进行替换，该怎么办？即，每次找到匹配项时，您都将其替换为字典中的文本并重复该过程，但仅针对尚未匹配的文本部分。

Answer 6

正如其他人所说：

如果您在“伦敦足球赛事”之前替换“伦敦”，则您对“足球赛事伦敦”的搜索将不匹配“足球赛事＆lt; a href =”http：//etc..>伦敦＆lt; a＆gt; “
如果您在“伦敦”之前更换“伦敦足球赛事”，您将在伦敦足球赛事的现有链接中取代伦敦，这将为您提供链接中的链接......
字典未订购，因此在任何一种情况下，如果只是foreach，您无法保证获得所需的订单。
如果您的搜索文本也包含在您的网址中，您的代码也会找到那些并替换它们 - 特别是这种情况，因为您的正则表达式不区分大小写。
在标签文字中包含一个主要空格？这表明你在其他地方做错了什么，而你用'黑客'来补偿它。

故事的道德：我担心，发现和替换（即使使用正则表达式）也不会削减它。

可能有更聪明的方法可以做到这一点，但在我的脑海中，这里有一些需要研究的东西，进入伪代码：

while(!input.EOS)
   for(longest to shortest key)
      if(input.indexOf(key) = 0)
          output += input.replace(key, url)
          input = remained of input
          matched = true
   if !matched then move first word from input to output

你必须稍微调整它，特别是因为空白问题（你如何/在哪里匹配空格和非单词字符？）这是另一个让你入门的提示：^\s*(.+?)\s*\b

Answer 7

您可以做的一件事是：

将键（从大到小）连接成一个正则表达式（假设此处dictionary是IDictionary<string, string>）：

var pattern = string.Join(
    "|",
    dictionary.Keys.OrderByDescending(k => k.Length).Select(Regex.Escape).ToArray()
);
var regex = new Regex("(" + pattern + ")", RegexOptions.ExplicitCapture);

请注意在转换函数中使用Regex.Escape：我们不希望密钥中的特殊正则表达式字符出现错误。

快速测试表明，.NET的正则表达式引擎将按照它们在模式中出现的顺序尝试匹配。这意味着，如果订购正确，将首先尝试更长的密钥，然后正则表达式将继续，寻找新的匹配。

然后，您可以循环遍历匹配并从旧版本中构建新字符串，而不是多次扫描输入字符串。这两种技术的结合将消除这两个问题：过早的和重复匹配。

string input = "..."; // This is your input string.
int last = 0;
var output = new StringBuilder(input.Length);

foreach (Match match in regex.Matches(input)) {
    output.Append(input.Substring(last, match.Index - last); // Appends text between matches.
    output.AppendFormat(
        "<a href=\"{1}\">{0}</a>",
        match.Value,
        dictionary[match.Value]
    );
    last = match.Index + match.Length; // Moves the index to the end of this match.
}

不包括错误检查。此外，正则表达式本身可能会以\b形式的\b(...)\b锚点受益。这是未经测试的，我上床睡觉了。

使用find / replace和regex将关键字替换为字符串中的URL

7 个答案: