c# - 在文件中搜索跨越两行的短语时，如何避免 CR 和 LF？

Question

我正在尝试在 Html 文件中搜索单词或短语列表，然后在这些单词/短语周围添加 html 标签写回文件。文件的其余部分需要保持原样。我不知道如何解决短语被分成两行的情况。谁能帮忙？我是新手，所以请明确回答。

这是输入文件的一部分:(HTML p 标签在另一行)

<p>
The thousand injuries of Fortunato I had borne as I best could, but
when he ventured upon insult, I vowed revenge.  You, who so well know
the nature of my soul, will not suppose, however, that I gave utterance
to a threat.  <i>At length</i> I would be avenged; this was a point definitely

这是到目前为止的代码:

    //get the table of words
    DataTable table = LibraryAccess.GetWords(titleID);

    using (StreamReader streamReader = File.OpenText(fileUploadPath))
    {
        inputString = streamReader.ReadToEnd();
        streamReader.Close();
        textCopy.Append(inputString);
    }

    if (inputString != null)
    {
        inputString = inputString.ToUpper();

        foreach (DataRow r in table.Rows)
        {
            searchWord = (r["Word"].ToString()).ToUpper();
            wordLength = searchWord.Length;
            foundIndex = inputString.IndexOf(searchWord);

            //if (foundIndex >= 0)
            //{

                //Use the Stringbuilder to modify the output file, e.g. add Bold tags
                //around the word/expression
            //}

            foundIndex = -1;

        }
    }
    else
    {
        Response.Write("input string is empty");
    }
  }  

我正在搜索的词是“gave utterance to”在源文件中，在 utterance 之后有一个 CRLF，所以 Indexof 没有找到 Word。我可以很容易地将 CRLF 替换为空白，但是当我写出修改后的版本时，我需要将它们放回文件中。我不知道如何保存它们。

关于如何有效地做到这一点有什么想法吗？我想为各种文件长度做。我最初是用 ReadLIne() 这样做的，出于内存原因我更喜欢这样做，但遇到了同样的问题。谢谢

Answer 1

在尝试处理 HTML 之前对其进行快速解析怎么样？通过 HtmlAgilityPack 扔它应该对从文档中提取文本的工作有很大帮助。