ruby - 如何使用预先清理过的索引对字符串进行索引？

Question

我有一个字符串 definition ，其中可以出现 HTML，以及一个单词数组。我正在尝试在 definition 中搜索这些词并返回开始和结束位置。例如，我可能想查找 "Hello"在:

definition = "<strong>Hel</strong>lo World!"

可以使用 ActionView 中的 sanitize 来删除 HTML和 HTMLEntities , 但这改变了 "Hello" 的索引在字符串中，所以:

sanitized_definition.index("Hello")

将返回 0 .我需要起点是 8 , 和终点 21 .我考虑过将整个字符串映射到我自己的索引，例如

{"1" => '<', "2" => 's', "3" => 't', .. , "9" => 'H' ...}

因此 1 映射到第一个字符，2 映射到第二个字符，依此类推，但我不确定它完成了什么，而且它看起来过于复杂。有没有人知道如何实现这一目标？

编辑:

评论中的要点是我想包含 </strong> 没有意义, 但不是 <strong>一开始，部分原因是我还没有弄清楚如何处理这种边缘情况。出于这个问题的目的，一个更好的例子可能是这样的

definition = "Probati<strong>onary Peri</strong>od."
search_text = 'Probationary Period'

此外，在仔细考虑之后，我认为在我的特殊情况下，我唯一需要担心的 html 实体是   .

Answer 1

我承认我不太了解 HTML。我假设目标词(此处为“Hello”)的每个相邻字母对由零个或多个由 < 括起来的字符串分隔和 >没有别的(但不知道这是否正确)。

def doit(str, word)
  r = Regexp.new(word.chars.join('(?:<.*?>)*'))
  ndx = str.index(r)
  ndx ? [ndx, ndx+str[r].size-1] : nil
end

doit "<strong>Hel</strong>lo World!", "Hello" 
  #=> [8,21]

这是发生了什么:

str  = "<strong>Hel</strong>lo World!"
word = "Hello"

a = word.chars
  #=> ["H", "e", "l", "l", "o"] 
s = a.join('(?:<.*?>)*')
  #=> "H(?:<.*?>)*e(?:<.*?>)*l(?:<.*?>)*l(?:<.*?>)*o" 
r = Regexp.new(s)
  #=> /H(?:<.*?>)*e(?:<.*?>)*l(?:<.*?>)*l(?:<.*?>)*o/ 
ndx = str.index(r)
  #=> 8 
t = str[r]
  #=> "Hel</strong>lo" 
o = t.size-1
  #=> 13 
ndx ? [ndx, ndx+str[r].size-1] : nil
  #=> 8 ? [8, 8 + t.size-1] : nil
  #=> [8, 8 + 14 -1] 
  #=> [8, 21]