什么正则表达式将匹配文本，不包括HTML标记内的内容？

Question

我正在为搜索结果页面编写代码，需要突出显示搜索字词。 这些术语碰巧发生在表格单元格中（应用程序正在迭代GridView行单元格），这些表格单元格可能包含HTML。

目前，我的代码看起来像这样（相关的帅哥如下所示）：

const string highlightPattern = @"<span class=""Highlight"">$0</span>";
DataBoundLiteralControl litCustomerComments = (DataBoundLiteralControl)e.Row.Cells[CUSTOMERCOMMENTS_COLUMN].Controls[0];

// Turn "term1 term2" into "(term1|term2)"
string spaceDelimited = txtTextFilter.Text.Trim();
string pipeDelimited = string.Join("|", spaceDelimited.Split(new[] {" "}, StringSplitOptions.RemoveEmptyEntries));
string searchPattern = "(" + pipeDelimited + ")";

// Highlight search terms in Customer - Comments column
e.Row.Cells[CUSTOMERCOMMENTS_COLUMN].Text = Regex.Replace(litCustomerComments.Text, searchPattern, highlightPattern, RegexOptions.IgnoreCase);

令人惊讶的是它有效。 但是，有时我匹配的文本是HTML，如下所示：

<span class="CustomerName">Fred</span> was a classy individual.

如果你搜索“类”我希望突出显示代码将“class”包装在“classy”中，但当然不是HTML属性“class”恰好在那里！ 如果您搜索“Fred”，则应突出显示。

那么什么是一个好的正则表达式，以确保匹配只发生在html标签之外？ 它不一定是超级铁杆。 我认为，只需确保匹配不在<和>之间就行了。

Answer 1

这个正则表达式应该完成这个工作： (?<!<[^>]*)(regex you want to check: Fred|span)它检查是否无法匹配正则表达式<[^>]*从a开始向后匹配字符串。

修改后的代码：

const string notInsideBracketsRegex = @"(?<!<[^>]*)";
const string highlightPattern = @"<span class=""Highlight"">$0</span>";
DataBoundLiteralControl litCustomerComments = (DataBoundLiteralControl)e.Row.Cells[CUSTOMERCOMMENTS_COLUMN].Controls[0];

// Turn "term1 term2" into "(term1|term2)"
string spaceDelimited = txtTextFilter.Text.Trim();
string pipeDelimited = string.Join("|", spaceDelimited.Split(new[] {" "}, StringSplitOptions.RemoveEmptyEntries));
string searchPattern = "(" + pipeDelimited + ")";
searchPattern = notInsideBracketsRegex + searchPattern;

// Highlight search terms in Customer - Comments column
e.Row.Cells[CUSTOMERCOMMENTS_COLUMN].Text = Regex.Replace(litCustomerComments.Text, searchPattern, highlightPattern, RegexOptions.IgnoreCase);

Answer 2

您可以使用正则表达式来平衡组和反向引用，但我强烈建议您在此处使用解析器 。

Answer 3

嗯，我不是C＃程序员所以我不知道它使用的正则表达式的味道但是（？！<。+？>）应该忽略标签内的任何内容。 它将强制您在HTML代码中使用＆＃60＆＃62，但无论如何您应该这样做。

Answer 4

编写一个可以处理CDATA部分的正则表达式会很难。 您可能不再认为>关闭标签。

例如， "<span class="CustomerName>Fred.</span> is a good customer (<![CDATA[ >10000$ ]]> )"

解决方案是（如前所述）解析器。 他们在处理你在CDATA中遇到的那种混乱方面要好得多。 madgnome的向后检查不能用于找到起始<![CDATA from a ]]> ，因为CDATA部分可能包含文字<![CDATA 。