如何解决字符串替换失败的问题

Question

注意：我的问题不是我的链接没有被替换。但是，它是嵌套的。 注释

some string with www.google.com/blah/blah also something else www.google.com

例如，这是第二个字符串替换完成时的

，第一个字符串的一部分也有效（www.google.com/blah/blah），因此它会替换该链接两次。我有一个允许用户发表评论的网络应用程序。 我正在处理输入字符串，并将所有链接转换为 html 链接格式当我在页面上显示时。原始用户输入字符串保留在数据库中并且什么也没有发生，因此它不会在处理过程中被损坏。当我在页面上显示它时，我就在上面执行了我的功能。

现在，这是我用来将所有链接替换为其 html 格式的逻辑

1. Regex 所有链接
2. 对于每个匹配项，将链接替换为其原始字符串中的 html 格式版本。
3. 最后显示字符串。

例如：www.google.com 变为 www.google.com 就在它显示在页面上之前。

这一直很有效，直到最近，我的一位客户发布了包含来自同一域的两个链接的内容。

链接是

1. www.google.com/images/blahblah
2. www.google.com

我的问题是，当第二次时，字符串替换完成（我正在使用 StringBuilder.Replace）第一个链接也被替换！

所以，首先，

www.google.com/images/blahblah

变成

<a href="http://www.google.com/images/blahblah" target="_blank">www.google.com/image/blahblah</a>

哪样都好。但是第二个字符串替换出现了问题，因为替换是全局的，它对已经处理的链接进行替换，因此原始（上面）链接变得扭曲，因为它也在那里看到 www.google.com 。

这太混乱了，我实际上得到了一根被肢解的、令人憎恶的绳子。

我该如何避免这种情况？

Regex.Matches 是否提供匹配元素的索引供我使用？我到处都找不到它。

最好的处理方法是什么？有什么建议吗？

抱歉问了这么长的问题。

我可以通过手动遍历字符串来做到这一点，但它又长又痛苦，必须有一个好方法来做到这一点...

编辑按照有人的要求添加额外信息：

我的正则表达式：

    string rPattern = @"(((http|ftp|https):\/\/)|www\.)[\w\-_]+(\.[\w\-_]+)+([\w\-\.,@?^=%&:/~\+#!]*[\w\-\@?^=%&/~\+#])?";

     Regex rLinks = new Regex(rPattern, RegexOptions.IgnoreCase);
     MatchCollection matches = rLinks.Matches(inputString);

然后我正在使用

foreach(Match match in matches)
{
    if(match.value.StartsWith("www.youtube.com/watch"))
    {
         //logic to embed youtube video - this works fine.
    } 
}

//Here I replace all hyperlinks to their <a href> parts

Answer 1

Regex.Matches 返回一个 MatchCollection。 Match.Index 就是您要查找的内容。

string pattern = @"(https?://)?(?:www(?:\.\w+)+|(?:\w+\.)+(?:com|org|us|net|...))(/\w*)*"; // your pattern here.
foreach (Match match in Regex.Matches (input, pattern))
{
   // Use match.Index and match.Length;
}

但实际上，您可能正在寻找更像这样的东西：

string originalPost = 
   @"Ooh shiney: www.google.com/images/blahblah
   Look here: www.google.com";

string html = Regex.Replace (
   originalPost, patternString, 
   "<a href='http://$1' target='_blank'>$1</a>");

或者，您可以使用 matchEvaluator 来做更高级的工作（例如确保我们不会添加双 http://.

string html = Regex.Replace (
   originalPost, patternString, 
   m => 
      string.Format (
         "<a href='{0}{1}' target='_blank'>{1}</a>",
          m.Value.StartsWith ("http", StringComparison.IgnoreCase) ? "" : "http://",
          m.Value));

Answer 2

我有同样的需求，这就是我过去几年一直在使用的：

public static string MakeCommentSafe(string strComment)
{
    // Replace carriage return / line feeds with line feeds.  Then HtmlEncode.  Then replace multiple consecutive line feeds with single line feeds.
    strComment = Regex.Replace(System.Web.HttpContext.Current.Server.HtmlEncode(Regex.Replace(strComment, "\r\n", "\n").Replace((char)13, (char)10)), "\n(\n)+", "$1\n");

    // Find all links and make them active
    return Regex.Replace(Regex.Replace(strComment, @"((https?|ftp|gopher|telnet|file|notes|ms-help):((//)|(\\\\))+[\w\d:#@%/;$()~_?\+-=\\\.&]*)", "<a href=\"$1\" target=\"_blank\" rel=\"nofollow\">$1</a>"), "\n", "<br />");
}

这是一个提示。如果您确实希望它在页面上有大量评论时表现良好，请在发布评论时将不安全和安全版本都存储在数据库中。这样，在页面上显示每条评论时，您就不必重复调用此函数。

Answer 3

使用 Regex.Replace 方法，例如：

var result = Regex.Replace(input, pattern, "<a href=\"$0\" target=\"_blank\">$0</a>");

Answer 4

扮演魔鬼拥护者的角色：

因此，您想要更正看起来像这样的字符串：

www.example.com
www.example.com/foo/bar
www.example.co.tw/baz.moo?foo=1

但是，而不是像这样的字符串：

www.example.com
www.example.com/foo/bar
www.example.co.tw/baz.moo?foo=1

我猜我是对的。简单的解决方案，扩展您的正则表达式以查看看起来像 URL 的内容的任一侧，并在以下情况下忽略它：

1. 位于 href=" 和 " target="_blank"> 之间;
2. 位于 " target="_blank"> 和 之间