在C＃中使用正则表达式突出显示html中的单词

Question

我在stackoverflow上找到了这篇文章

使用正则表达式和JavaScript突出显示html中的单词-几乎存在

通过上面的文章，我试图使用c＃在服务器上突出显示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);

除了试图突出显示图像源中包含的单词时，该代码似乎运行良好：

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。

任何帮助将不胜感激。

Answer 1

我将提供一个解决方案，但是我同意仅使用Regex来解析HTML最终是不值得的。 就是说，与我们其他人相比，您对问题空间的了解更多，因此，如果要突出显示的HTML在您的控制之下，则您可能能够测试您的域中的足够多的内容，以使用正则表达式来实现所需的功能。

我的解决方案更改了您提供的正则表达式以采用这种方法：

1. 将>字符，不在集合[<>]中的非贪婪捕获字符匹配并捕获到$ 1中
2. 将关键字匹配并捕获到$ 2中
3. 匹配并捕获到未设置为[<>]的$ 3个非贪心字符中，并加上<char

注意事项：

1. 格式正确的HTML效果最好，如果此html是用户生成的内容（UGC），那么好运，您应该使用HTML解析器:)
2. 这将突出显示<textarea>...</textarea>
3. 这会突出显示<script>...</script>

请注意，您可以在左侧扩展捕获以捕获标签名称，并且有条件地不替换诸如textarea和script的一组标签。

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);