C#正则表达式查找和替换重用匹配部分的文本

Question

我需要对长文本字符串进行搜索和替换。我想找到所有看起来像这样的损坏链接：

<a href="http://any.url.here/%7BlocalLink:1369%7D%7C%7CThank%20you%20for%20registering">broken link</a>

并修复它，使其看起来像这样：

<a href="/{localLink:1369}" title="Thank you for registering">link</a>

文本字段中可能存在许多这些损坏的链接。我的难点是如何重新使用匹配的ID（在本例中为1369）。在内容中，此ID从链接到链接都会更改，以及url和链接文本。

谢谢，

大卫

编辑：为了澄清，我正在编写C＃代码，通过数百个长文本字段来修复其中的损坏链接。每个单独的文本字段都包含可以有任意数量损坏链接的HTML - 正则表达式需要找到它们并用正确版本的链接替换它们。

- David Conlisk

---

你想匹配标签吗，还是只想将正则表达式应用于href属性的内容？ - Lucero

我只想将第一个输出中的不正确的href属性分离出来，使其成为正确的href和title属性。我不介意如何实现 :) @tanascius - 我正在使用C#编写此代码。 - David Conlisk

我已经更正了我的正则表达式，请再试一次。 - Tomalak

Answer 1

我假设您已经解析了元素和属性。因此，要处理URL，请使用以下内容：

    string url = "http://any.url.here/%7BlocalLink:1369%7D%7C%7CThank%20you%20for%20registering";
    Match match = Regex.Match(HttpUtility.UrlDecode(url), @"^http://[^/]+/\{(?<local>[^:]+):(?<id>\d+)\}\|\|(?<title>.*)$");
    if (match.Success) {
        Console.WriteLine(match.Groups["local"].Value);
        Console.WriteLine(match.Groups["id"].Value);
        Console.WriteLine(match.Groups["title"].Value);
    } else {
        Console.WriteLine("Not one of those URLs");
    }

- Lucero

Answer 2

请谨慎对待，HTML和正则表达式不太兼容：

(<a\s+[^>]*href=")[^"%]*%7B(localLink:\d+)%7D%7C%7C([^"]*)("[^>]*>[^<]*</a>)

当应用于您的输入并替换为

$1/{$2}" title="$3$4

以下是生成的内容：

<a href="/{localLink:1369}" title="Thank%20you%20for%20registering">broken link</a>

仅使用正则表达式，这已经是最接近的了。你需要使用MatchEvaluator委托来从替换中删除URL编码。

- Tomalak

---

这非常接近 - 感谢您的帮助。有几个要点：

1. 正则表达式也匹配正确的链接，但我不想要。
2. 它替换了损坏的链接，但不完全正确，它给出了：<a href="http://url.still.here/%7BlocalLink:1369%7D" title="}||Thank you for registering">link</a> - 我需要删除 url.still.here 部分，以及标题属性中的 }||。
3. 原始源代码是 HTML 编码的，但我需要替换后的文本使用 {localLink:1369} 而不是 %7BlocalLink:1369%7D。

你能帮忙吗？谢谢，大卫 - David Conlisk

我已经对我的正则表达式做出了一些更改，现在应该可以了。 - Tomalak

Answer 3

如果要在替换字符串中包含匹配项，您可以使用$&。

还有许多其他的替换标记可用于替换字符串，请参见此处的列表。

- Richard

Answer 4

感谢大家的帮助。这是我最终使用的代码：

const string pattern = @"(<a\s+[^>""]*href="")[^""]+(localLink:\d+)(?:%7[DC])*([^""]+)(""[^>]*>[^<]*</a>)";
// Create a match evaluator to replace the matched links with the correct markup
var myEvaluator = new MatchEvaluator(FixLink);

var strNewText = Regex.Replace(strText, pattern, myEvaluator, RegexOptions.IgnoreCase);

internal static string FixLink(Match m)
    {
        var strUrl = m.ToString();
        const string namedPattern = @"(<a\s+[^>""]*href="")[^""]+(localLink:\d+)(?:%7[DC])*([^""]+)(""[^>]*>[^<]*</a>)";
        var regex = new Regex(namedPattern);

        //const string strReplace = @"$1/{$2}"" title=""$4";
        const string strReplace = @"$1/{$2}"" title=""$4";

        HttpContext.Current.Response.Write(String.Format("Replacing '{0}' with '{1}'", strUrl, regex.Replace(strUrl, strReplace)));
        return regex.Replace(strUrl, strReplace);
    }

- David Conlisk

---

我认为你没有理解MatchEvaluator的用法。 - Tomalak