Question

问题：

我想渲染MediaWiki语法（我指的是WikiPedia使用的MediaWiki语法，而不是其他一些引擎，如WikiPlex的其他wiki格式），以及C＃中的语法。

输入：MediaWiki标记字符串
输出：HTML字符串

有一些替代的mediawiki解析器，但C＃中没有任何内容，而且由于这些库的结构，另外对C / C ++进行编程看起来很惨淡。

作为语法指导，我使用 http://en.wikipedia.org/wiki/Wikipedia:Cheatsheet

我的第一个目标是正确呈现该页面的标记。

可以在这里看到标记： http://en.wikipedia.org/w/index.php?title=Wikipedia:Cheatsheet&action=edit

现在，如果我使用正则表达式，它没有多大用处，因为我不能确切地说哪个标记结束了哪个标记，特别是当某些元素（如斜体）成为父元素的属性时。

另一方面，逐个字符解析也不是一个好方法，因为例如'''表示粗体，''表示斜体，''''表示粗体和斜体......

我研究了移植其他一些解析器的代码，但java实现很模糊，而且Python实现的regex语法也非常不同。

到目前为止，我看到的最佳方法是将mwlib移植到IronPython http://www.mediawiki.org/wiki/Alternative_parsers

但坦率地说，我并不期待将IronPython运行时作为依赖项添加到我的应用程序中，即使我想这样做，文档也是最糟糕的。

Answer 1

2017年更新：
您可以使用ParseoidSharp获取完全兼容的MediaWiki渲染器它通过NodeServices使用官方Wikipedia Parsoid库（NetStandard 2.0）由于Parsoid是GPL 2.0，而且GPL代码是通过网络在一个单独的进程中在nodejs中调用的，你甚至可以使用你喜欢的任何许可证;）

<小时/> 的预2017

问题解决了。正如最初假设的那样，解决方案在于使用C＃中现有的替代解析器之一 WikiModel（Java）可以很好地实现这一目的。

首次尝试是pinvoke奇异果。它有效，但失败了因为：

kiwi使用char *（任何非英语/ ASCII语言都失败）

不是线程安全的。

糟糕，因为需要在每个架构的代码中都有一个本机dll （确实添加了x86和amd64，然后它在我的ARM处理器上运行了kaboom）

第二次尝试是mwlib。那失败了，因为不知何故IronPython不能正常工作。

第三次尝试是Swebele，基本上是学术上的vapoware。

第四次尝试是使用Phalanger使用原始的mediawiki渲染器。之所以失败，是因为MediaWiki渲染器并非真正模块化。

第五次尝试是通过Phalanger使用Wiky.php，虽然有效，但速度很慢，而Wiky.php并没有完全实现MediaWiki。

第六次尝试是通过ikvmc使用bliki，由于过度使用第三方库而失败了==＆gt;它编译，但仅产生空引用异常

第七次尝试是在C＃中使用JavaScript，但是效果非常慢，而且实现的MediaWiki功能非常不完整。

第8次尝试是通过Regex编写自己的“解析器”。
但是让它工作所需的时间过长，所以我停了下来。

第9次尝试成功。在WikiModel上使用ikvmc会产生一个有用的dll。问题在于示例代码无意中过时了。但是使用谷歌和WikiModel源代码，我能够将它拼凑在一起。

最终结果可以在这里找到：
https://github.com/ststeiger/MultiWikiParser

Answer 2

为什么不能用正则表达式来实现这一点？

inputString = Regex.Replace(inputString, @"(?:'''''')(.*?)(?:'''''')", @"<strong><em>$1</em></strong>");
inputString = Regex.Replace(inputString, @"(?:''')(.*?)(?:''')", @"<strong>$1</strong>");
inputString = Regex.Replace(inputString, @"(?:'')(.*?)(?:'')", @"<em>$1</em>");

据我所知，这将呈现所有“粗体和斜体”，“粗体”和“斜体”文字。

Answer 3

以下是我曾经实施解决方案的方法：

为Markup-> HTML转换定义正则表达式
正则表达式必须是非贪心的
在Dictionary<char, List<RegEx>>

char是每个RegEx中的第一个（标记）字符，并且RegEx必须按标记关键字长度desc排序，例如， ===之前的==。

遍历输入字符串的字符，并检查Dictionary.ContainsKey（char）。如果是，请在列表中搜索匹配的RegEx。第一个匹配的RegEx获胜。

由于MediaWiki允许递归标记（＆lt; pre＆gt;和其他）除外，标记内的字符串也必须以递归的方式处理。

如果匹配，请跳过与输入字符串中的RegEx匹配的字符数。否则继续下一个字符。

Answer 4

Kiwi（https://github.com/aboutus/kiwi，在http://mediawiki.org/wiki/Alternative_parsers上提及）可能是一个解决方案。由于它是基于C的，并且I / O只是通过stdin / stdout来完成，因此从它创建一个“PInvoke”的DLL应该不会太难。

Answer 5

与公认的解决方案一样，我发现 parsoid 是最好的前进方式，因为它是官方库 - 并且对维基媒体标记有最大的支持；也就是说，我发现 ParseoidSharp 使用的是过时的方法，例如 Microsoft.AspNetCore.NodeServices，实际上它只是一个相当旧版本的 pasoid 的 npm 包的包装器。

由于 node.js 中有一个相当当前版本的 parsoid，您可以使用 Jering.Javascript.NodeJS 来做与 ParseoidSharp 相同的事情，步骤也相当相似。

安装 nodeJS (
下载 parsoid https://www.npmjs.com/package/parsoid 将所需文件放入您的项目中。
在 powershell cd 到您的项目
npm 安装

然后就这么简单

output = StaticNodeJSService.InvokeFromFileAsync(Of String)(HttpContext.Current.Request.PhysicalApplicationPath & "./NodeScripts/parsee.js", args:=New Object() {Markup})

奖励它现在比 ParseoidSharp 的方法更容易添加所需的选项，例如您可能希望将域设置为您自己的域。

在C＃中渲染MediaWiki的最佳方法？

5 个答案: