Question

我有一些包含缩写的网站内容。我有一个公认的网站缩写列表，以及他们的解释。我想创建一个正则表达式，这将允许我用一些标记替换内容中找到的所有已识别缩写。

例如：

内容：

This is just a little test of the memb to see if it gets picked up. 
Deb of course should also be caught here.

缩写：

memb = Member; deb = Debut;

结果：

This is just a little test of the [a title="Member"]memb[/a] to see if it gets picked up. 
[a title="Debut"]Deb[/a] of course should also be caught here.

（这只是简单的示例标记）。

感谢。

编辑：

CraigD的答案几乎就在那里，但也有问题。我只想匹配整个单词。我还想保持每个单词被替换的正确大写，以便deb仍然是deb，并且Deb仍然是原始文本的Deb。例如，此输入：

This is just a little test of the memb. 
And another memb, but not amemba. 
Deb of course should also be caught here.deb!

Answer 1

首先，您需要Regex.Escape()所有输入字符串。

然后你可以在字符串中查找它们，并用你想到的标记迭代地替换它们：

string abbr      = "memb";
string word      = "Member";
string pattern   = String.Format("\b{0}\b", Regex.Escape(abbr));
string substitue = String.Format("[a title=\"{0}\"]{1}[/a]", word, abbr);
string output    = Regex.Replace(input, pattern, substitue);

编辑：我问过一个简单的String.Replace()是不够的 - 但我可以看出为什么正则表达式是可取的：你只能通过制作一个使用单词边界的模式来强制执行“全字”替换锚定器。

您可以从所有转义输入字符串构建单个模式，如下所示：

\b(?:{abbr_1}|{abbr_2}|{abbr_3}|{abbr_n})\b

然后使用match evaluator找到正确的替代品。这样就可以避免多次迭代输入字符串。

Answer 2

不确定这会扩展到一个大单词列表，但我认为它应该提供你想要的输出（尽管在你的问题中'结果'似乎与'内容'相同）？

无论如何，请告诉我这是否是你所追求的

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text.RegularExpressions;

namespace ConsoleApplication1
{
    class Program
    {
        static void Main(string[] args)
        {
            var input = @"This is just a little test of the memb to see if it gets picked up. 
Deb of course should also be caught here.";
            var dictionary = new Dictionary<string,string>
            {
                {"memb", "Member"}
                ,{"deb","Debut"}
            };
            var regex = "(" + String.Join(")|(", dictionary.Keys.ToArray()) + ")";
            foreach (Match metamatch in Regex.Matches(input
               , regex  /*@"(memb)|(deb)"*/
               , RegexOptions.IgnoreCase | RegexOptions.ExplicitCapture))
            { 
                input = input.Replace(metamatch.Value, dictionary[metamatch.Value.ToLower()]);
            }
            Console.Write (input);
            Console.ReadLine();
        }
    }
}

Answer 3

我怀疑它的表现会比正常的string.replace更好，所以如果性能是关键的衡量标准（重构一下以使用编译的正则表达式）。您可以将正则表达式版本用作：

var abbrsWithPipes = "(abbr1|abbr2)";
var regex = new Regex(abbrsWithPipes);
return regex.Replace(html, m => GetReplaceForAbbr(m.Value));

您需要实现GetReplaceForAbbr，它接收匹配的特定abbr。

Answer 4

我正在做的正是你在我的应用程序中寻找的东西，这对我有用：参数str是你的内容：

public static string GetGlossaryString(string str)
        {
            List<string> glossaryWords = GetGlossaryItems();//this collection would contain your abbreviations; you could just make it a Dictionary so you can have the abbreviation-full term pairs and use them in the loop below 

            str = string.Format(" {0} ", str);//quick and dirty way to also search the first and last word in the content.

            foreach (string word in glossaryWords)
                str = Regex.Replace(str, "([\\W])(" + word + ")([\\W])", "$1<span class='glossaryItem'>$2</span>$3", RegexOptions.IgnoreCase);

            return str.Trim();
        }

Answer 5

对于任何有兴趣的人，这是我的最终解决方案。它适用于.NET用户控件。它使用带有匹配评估器的单一模式，如Tomalak所建议的那样，因此没有foreach循环。这是一个优雅的解决方案，它为我提供了样本输入的正确输出，同时为匹配的字符串保留了正确的外壳。

public partial class Abbreviations : System.Web.UI.UserControl
{
    private Dictionary<String, String> dictionary = DataHelper.GetAbbreviations();

    protected void Page_Load(object sender, EventArgs e)
    {
        string input = "This is just a little test of the memb. And another memb, but not amemba to see if it gets picked up. Deb of course should also be caught here.deb!";

        var regex = "\\b(?:" + String.Join("|", dictionary.Keys.ToArray()) + ")\\b";

        MatchEvaluator myEvaluator = new MatchEvaluator(GetExplanationMarkup);

        input = Regex.Replace(input, regex, myEvaluator, RegexOptions.IgnoreCase);

        litContent.Text = input;
    }

    private string GetExplanationMarkup(Match m)
    {
        return string.Format("<b title='{0}'>{1}</b>", dictionary[m.Value.ToLower()], m.Value);
    }
}

输出如下（下图）。请注意，它只匹配完整的单词，并且外壳将保留原始字符串：

This is just a little test of the <b title='Member'>memb</b>. And another <b title='Member'>memb</b>, but not amemba to see if it gets picked up. <b title='Debut'>Deb</b> of course should also be caught here.<b title='Debut'>deb</b>!

使用c＃中的正则表达式突出显示单词列表

5 个答案: