类似 wiki 标记的正则表达式转换

Question

考虑以下标记输入：

* Line 1
* Line 2
:* Line 2.1
:* Line 2.2
* Line 3

这通常编码为：

  <ul>
    <li>Line 1</li>
    <li>Line 2</li>
    <ul>
      <li>Line 2.1</li>
      <li>Line 2.2</li>
    </ul>
    <li>Line 3</li>
  </ul>

我的问题：

• 使用单行来表示相同输入的最佳表示方式是什么？
• 生成相应XHTML的正则表达式是什么？

例如，单行输入格式可以是：

> Line 1 > Line 2 >> Line 2.1 >> Line 2.2 > Line 3

> 是无序列表项分隔符。我选择 > 因为文本可能包含典型的标点符号。使用 »（或其他此类非 104 键键）会很有趣，但打字不太容易。

行输入格式也可以是：

[Line 1][Line 2 [Line 2.1][Line 2.2]][Line 3]

更新#1 - 问题稍微简单一些。巢的数量可以限制为三个。 n 层深度的通用解决方案仍然很酷。

更新 #2 - XHTML，而不是 HTML。

更新 #3 - 另一种可能的输入格式。

更新 #4 - Java 解决方案（或纯正则表达式）最受欢迎。

更新 #5

修改后的代码：

String in = " * Line 1 * Line 2 > * Line 2.1 * Line 2.2 < * Line 3";

String sub = "<ul>" + in.replace( " > ", "<ul>" ) + "</ul>";

sub = sub.replace( " < ", "</ul>" );

sub = sub.replaceAll( "( | >)\\* ([^*<>]*)", "<li>$2</li>" );

System.out.println( "Result: " + sub );

打印以下内容：

Result: <ul><li>Line 1 </li>* Line 2<ul>* Line 2.1<li>Line 2.2</li></ul>* Line 3

Answer 1

你的例子对我来说似乎很好。

 > Line 1 > Line 2 >> Line 2.1 >> Line 2.2 > Line 3

不幸的是，纯 RegEx 无法跟踪您所处的嵌套级别，因此它不知道将 /UL 关闭标记放在哪里。

像这样的东西可能会起作用：

 * Line 1 * Line 2 > * Line 2.1 * Line 2.2 < * Line 3

在这里，大于和小于在层次结构中上下移动，星号是项目符号的分隔符。每个之前和之后的空格用作一种转义序列，因此当这些字符没有被空格包围时，您仍然可以按字面使用这些字符或用于其他目的，例如斜体和粗体。

对正则表达式的尝试：

 string ol = "<ul>" & RegEx.Replace(t, " > ", "<ul>") & "</ul>";
 ol = RegEx.Replace(ol, " < ", "</ul>");
 ol = RegEx.Replace(ol, "( |>)\\* ([^*<>]*)", "<li>\\2</li>"); 

编辑：根据下面的评论进行调整以生成 XHTML，关闭 LI 标记。还修复了我的 C# 语法。

最终编辑：我认为最后一个 Replace 中的 \ * 和 \ 2 需要对 C# 进行转义，修复。另请注意，前两个 Replace() 调用可以使用 String.Replace() 而不是 RegEx，这可能会更快。

Answer 2

我不建议使用正则表达式作为解析和转换工具。正则表达式往往具有很高的开销，并且不是解析语言的最有效方法......这才是您真正要求它做的事情。你已经创建了一种语言，尽管它很简单，但你应该这样对待它。我建议为 WIKI 风格的格式化代码编写一个实际的、专用的解析器。由于您可以将解析器专门针对您的语言，因此它应该更高效。此外，您不必创建一些可怕的正则表达式来解析您的语言并处理其所有细微差别。从长远来看，您将获得更清晰的代码、更好的可维护性等好处。

我建议使用以下资源：

• ANTLR
• 编译器：原理、技术、工具
• 解析

Answer 3

解决方案

一个可行的解决方案如下：

public class Test {
  public Test() {
  }

  public static void main( String[] args ) {
    String in = "= Line 1 = Line 2 > = Line 2.1 = Line 2.2 < = Line 3";

    in = in.replaceAll( "= ([^=<>]*)", "<li>$1</li>" );
    in = in.replace( ">> ", "><ul>" );
    in = in.replace( ">< ", "></ul>" );
    in = "<ul>" + in + "</ul>";
    System.out.println( in );
  }
}

这将创建所需的 XHTML 片段：

<ul><li>Line 1 </li><li>Line 2 </li><ul><li>Line 2.1 </li><li>Line 2.2 </li></ul><li>Line 3</li></ul>