C# Regex vs String.Contains

你好。我无法编写一个方法来测试纯文本或html文档中的单词。我对正则表达式相当精通，而我对c#（来自java）比较新

只是因为

string html = source.ToLower();
string plaintext = Regex.Replace(html, @"<(.|\n)*?>", " "); // remove tags
plaintext = Regex.Replace(plaintext, @"\s+", " "); // remove excess white space

对于应该找到“c++”的情况，foundAsRegex有时为true，有时为false。我的google fu很弱，所以我没有在“见鬼去吧”上得到多少回复。欢迎有任何想法或建议

编辑：

我正在简历中搜索与技能相匹配的内容。例如，不同的值“c++”

编辑：

下面是一个真实的摘录：

---

……管理-C，C++，perl，shell编程……

你的正则表达式变成：

/\bc\+\+\b/

这意味着您要查找一个单词边界，后面是字符串

c++

，后面是另一个单词边界。这意味着它不会匹配像

abc++

这样的字符串，而

纯文本.Contains

将成功

如果你能给我们举个例子，说明你的正则表达式在你期望它成功的时候失败了，那么我们可以给你一个更明确的答案

---

Edit:我原来的正则表达式是

/\bc++\b/

，这是不正确的，因为

c++

被传递到

regex.Escape（）

，它会转义出像

+

这样的正则表达式元字符。我已经在上面修复了它。

问题是

\b

在单词字符和非单词字符之间匹配。给定表达式

\bc\++\b

，您就有问题了。“+”是非单词字符。因此，在“XXX C++，XXX”中搜索模式，你什么也找不到。在“+”字符后面没有“分词”

---

如果您正在寻找非单词字符，那么您必须更改逻辑。不知道最好的事情是什么。我想您可以使用

\W

，但是它在行首或行尾都不匹配，因此您需要

（^ |\W）

和

（\W |$）

。。。这很难看。速度也很慢，不过根据您的需要，速度可能还不够快。

@CanSpice，我也在尝试编辑格式……您比我快。我也添加了.net标记。也许可以看看用于解析Html文档的Html敏捷包-你们这些孩子在这里很敏捷，谢谢。有时用户会给我糟糕的html，有时是纯文本，所以html标记是次要的。

Regex.Escape

会不会把它变成

\bc\+\b

？@Daniel:你在我编辑答案时留下了那条评论。：-）@canspice。这正是我想要的，但它没有达到我的预期。如果“C++”是中间流——例如“java，语法差，坏点头，C++，其他一些HOHA”——它可能会找到它，但它可能不是。这就是我的断点告诉我的，是的，它们确实如此。@后进生：请给出匹配和不匹配字符串的确切示例。@canspice，我刚刚编辑了正文。“c++”匹配字符串。包含但不包含具有正确转义的正则表达式。它的行为也与“c#”和更普通的文本（如“perl”）不一致。啊！我想这就是对“c#”的类似反应的原因；然而，我想我也有不合适的匹配只针对字母数字的单词。我正在检查。如果不是这样，我肯定会结束这个问题。就这样。这是糟糕的正则表达式，仅此而已。好吧，有坏的用户文本，但是regex不能对坏用户做任何事情。谢谢你的帮助和观点！

/\bc\+\+\b/