c# - 词汇表函数的正则表达式

Question

我正在开发一个基于 Web 的帮助系统，该系统会自动将链接插入到解释性文本中，将用户带到帮助中的其他主题。我有数百个应链接的术语，即

“手册和标签”(一般性地描述这些概念)“删除手册和标签”(描述这个具体操作)“了解有关添加手册和标签的更多信息”(同样，更具体的操作)

我有一个 RegEx 来查找/替换整个单词(good ol'\b)，效果很好，除了在其他链接术语中找到的链接术语。而不是:

<a href="#">Learn more about manuals and labels</a>

我结束了

<a href="#">Learn more about <a href="#">manuals and labels</a></a>

这让大家有些哭笑不得。更改替换术语的顺序(从最短到最长)意味着我会得到:

Learn more about <a href="#">manuals and labels</a>

没有我真正需要的外部链接。

更复杂的是搜索词的大小写可能会有所不同，我需要保留原来的大小写。如果我能做这样的事情，我就准备好了:

Regex _regex = new Regex("\\b" + termToFind + "(|s)" + "\\b", RegexOptions.IgnoreCase);

string resultingText = _regex.Replace(textThatNeedsLinksInserted, "<a>" + "$&".Replace(" ", "_") + "</a>));

然后在所有条款完成后，删除“_”，这将是完美的。 “Learn_more_about_manuals_and_labels”与“manuals and labels”不匹配，一切正常。

在编写文本时，很难让帮助作者界定需要替换的术语——他们不习惯编码。此外，这会限制以后添加新术语的灵 active ，因为我们必须返回并为所有以前编写的文本添加分隔符。

是否有一个正则表达式可以让我在原始匹配中用“_”替换空格？还是有其他解决方案让我望而却步？

Answer 1

从带有嵌套链接的示例来看，您似乎正在对条款进行单独传递并执行多个 Regex.Replace 调用。由于您使用的是正则表达式，因此您应该让它完成繁重的工作，并将一个使用交替的漂亮模式放在一起。

换句话说，您可能需要这样的模式:\b(term1|term2|termN)\b

var input = "Having trouble with your manuals and labels? Learn more about adding manuals and labels. Need to get rid of them? Try to delete manuals and labels.";
var terms = new[] 
{
    "Learn more about adding manuals and labels",
    "Delete Manuals and Labels",
    "manuals and labels"
};

var pattern = @"\b(" + String.Join("|", terms) + @")\b";
var replacement = @"<a href=""#"">$1</a>";
var result = Regex.Replace(input, pattern, replacement, RegexOptions.IgnoreCase);
Console.WriteLine(result);

现在，要解决每个术语对应的 href 值的问题，您可以使用字典并将正则表达式更改为使用 MatchEvaluator，它将返回自定义格式并从中查找值词典。字典还通过传入 StringComparer.OrdinalIgnoreCase 忽略大小写。我通过在组的开头添加 ?: 来稍微调整模式，使其成为非捕获组，因为我不再像第一个示例中那样引用捕获的项目。

var terms = new Dictionary<string, string>(StringComparer.OrdinalIgnoreCase)
{
    { "Learn more about adding manuals and labels", "2.html" },
    { "Delete Manuals and Labels", "3.html" },
    { "manuals and labels", "1.html" }
};

var pattern = @"\b(?:" + String.Join("|", terms.Select(t => t.Key)) + @")\b";
var result = Regex.Replace(input, pattern,
    m => String.Format(@"<a href=""{0}"">{1}</a>", terms[m.Value], m.Value),
    RegexOptions.IgnoreCase);

Console.WriteLine(result);