c# - 用于捕获标记和未标记内容的正则表达式

Question

我想要做的是从字符串中解析一些自定义标签，同时也获取未加标签的内容。例如，我有以下字符串

Hello World <Red>This is some red text </Red> This is normal <Blue>This is blue text </Blue>

我有一个可以使用的正则表达式来获取标记的内容

<(?<tag>\w*)>(?<text>.*)</\k<tag>>

但是，这会返回

 tag: Red
 text: This is some red text
 tag: Blue
 text this is blue text

我还需要为未标记的内容匹配，所以我会得到 4 个匹配项，两个像上面那样，还有“Hello World”和“This is normal”。

这是否可以通过正则表达式实现？

例如，这是我当前的功能:

 public static List<FormattedConsole> FormatColour(string input)
    {
        List<FormattedConsole> formatted = new List<FormattedConsole>();
        Regex regex = new Regex("<(?<Tag>\\w+)>(?<Text>.*?)</\\1>", RegexOptions.IgnoreCase
                | RegexOptions.CultureInvariant
                | RegexOptions.IgnorePatternWhitespace
                | RegexOptions.Compiled
        );

        MatchCollection ms = regex.Matches(input);

        foreach (Match match in ms)
        {
            GroupCollection groups = match.Groups;
            FormattedConsole format = new FormattedConsole(groups["Text"].Value, groups["Tag"].Value);
            formatted.Add(format);
        }

        return formatted;
    }

如前所述，这只会返回标签之间的匹配项。我还需要获取没有标签的文本。

(顺便说一句，FormattedConsole 只是一个包含文本和颜色的容器)

Answer 1

你可以试试这个:

string sentence = "Hello World <Red>This is some red text </Red> This is normal <Blue>This is blue text </Blue>";
string[] matchSegments = Regex.Split(sentence,@"(<\w+>)(.*?)<\/\w+>");
foreach (string value in matchSegments)
{
    if(value.Contains("<") && value.Contains(">"))
        Console.Write(value);
    else
        Console.WriteLine(value);   
}

输出:

Hello World
<Red>This is some red text
 This is normal
<Blue>This is blue text

Run the code here