Regex nào sẽ khớp với văn bản trừ thứ nằm trong các thẻ HTML?

Question

Tôi đang viết mã cho trang kết quả tìm kiếm cần làm nổi bật cụm từ tìm kiếm. Các điều khoản xảy ra trong các ô bảng (ứng dụng đang lặp qua các ô Row GridView) và các ô bảng này có thể có HTML.

Hiện nay, mã của tôi trông như thế này (hunks có liên quan trình bày dưới đây):

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); 

Thật ngạc nhiên nó hoạt động. NHƯNG, đôi khi các văn bản tôi phù hợp trên là HTML mà trông như thế này:

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

Và nếu bạn tìm kiếm "class" Tôi muốn mã nổi bật để bọc các "lớp học" trong "sang trọng" nhưng tất nhiên không thuộc tính HTML "class" xảy ra ở đó! Nếu bạn tìm kiếm "Fred", cần được đánh dấu.

Vậy một regex tốt sẽ đảm bảo các kết quả phù hợp chỉ xảy ra ở đâu bên ngoài các thẻ html? Nó không phải là siêu hardcore. Đơn giản chỉ cần chắc chắn rằng trận đấu không phải là giữa < và> sẽ làm việc tốt, tôi nghĩ.

Answer 1

Regex này nên thực hiện công việc: (?<!<[^>]*)(regex you want to check: Fred|span) Kiểm tra rằng không thể đối sánh regex <[^>]* quay lại bắt đầu từ chuỗi phù hợp.

Modified mã bên dưới:

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

Bạn có thể sử dụng regex với các nhóm cân bằng và backreferences, nhưng tôi khuyên bạn nên sử dụng parser tại đây.

Answer 3

Hmm, tôi không phải là lập trình viên C# vì vậy tôi không biết hương vị của regex mà nó sử dụng nhưng (?! <. +?>) Nên bỏ qua mọi thứ bên trong thẻ. Nó sẽ buộc bạn phải sử dụng & # 60 & # 62 trong mã HTML của mình, nhưng bạn vẫn nên làm điều đó.

Answer 4

Viết một regex có thể xử lý các phần CDATA sẽ là khó khăn. Bạn có thể không còn asssume rằng> đóng một thẻ.

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

Giải pháp là (như đã nói trước đó) một trình phân tích cú pháp. Họ đang tốt hơn nhiều trong việc đối phó với các loại mess bạn tìm thấy trong một CDATA. Không thể sử dụng séc ngược của madgnome để tìm số bắt đầu <![CDATA từ một số ]]>, dưới dạng một phần CDATA có thể bao gồm chữ số <![CDATA.