C# 突出显示整个单词，省略HTML

我正在编写一些C#代码来解析RSS提要并突出显示内容中的特定单词，但是，我只需要突出显示HTML之外的单词。到目前为止，我已经：

string contentToReplace = "This is <a href=\"test.aspx\" alt=\"This is test content\">test</a> content";

string pattern = "\b(this|the|test|content)\b";

string output = Regex.Replace(contentToReplace, pattern, "<span style=\"background:yellow;\">$1</span>", RegexOptions.Singleline | RegexOptions.IgnoreCase);

string contentoreplace=“这是内容”；
字符串模式=“\b（此|测试|内容）\b”；
字符串输出=Regex.Replace（contentoreplace，模式，“$1”，RegexOptions.Singleline | RegexOptions.IgnoreCase）；

---

这很好，只是它会突出显示alt标记中的单词“test”。我可以很容易地编写一个函数来剥离HTML，然后进行替换，但我需要保留HTML来显示内容。

如果输入是有效的XHTML/XML，您可以将其解析为树结构（DOM/XLinq），递归遍历树，替换文本节点中出现的所有关键字，并最终将树结构序列化回字符串

未测试的伪代码：

XNode Highlight(XElement element, List<string> keywords)
{
    var result = new XElement(element.Name);
    // copy element attributes to result

    foreach (var node in element)
    {
        if (node.Type == NodeType.Text)
        {
            var value = node.Value;
            // while value contains keyword
            // {
            //      add substring before keyword in value to result
            //      add new XElement with highlighted keyword to result
            //      remove consumed substring from value
            // }
        }
        else if (node.Type == NodeType.Element)
        {
            result.Add(Highlight((XElement)node, keywords));
        }
        else
        {
            result.Add(node);
        }
    }

    return result;
}

var output = Highlight(XElement.Parse(input), new List<string> {...}).ToString();

XNode高亮显示（XElement元素，列出关键字）
{
var result=new-XElement（element.Name）；
//将元素属性复制到结果
foreach（元素中的var节点）
{
if（node.Type==NodeType.Text）
{
var值=node.value；
//而值包含关键字
// {
//在结果值中的关键字之前添加子字符串
//将带有高亮显示关键字的新元素添加到结果中
//从值中删除消耗的子字符串
// }
}
else if（node.Type==NodeType.Element）
{
添加（高亮显示（（XElement）节点，关键字））；
}
其他的
{
结果.添加（节点）；
}
}
返回结果；
}
var output=Highlight（XElement.Parse（input），新列表{…}）.ToString（）；

如果您有有效的XML但不想解析它，另一种解决方案是：首先将输入字符串拆分为多个部分，使每个部分只包含一个标记或文本，而不同时包含这两个部分。例如：

"This is ",
"<a href=\"test.aspx\" alt=\"This is test content\">",
"test"
"</a>"
" content"

“这是”，
""
“内容”

然后遍历各个部分，并仅将正则表达式应用于不以

开头的字符串这里是一个基本的正则表达式

private void Form1_Load(object sender, EventArgs e)
    {
        string contentToReplace = "This is <a href=\"test.aspx\" alt=\"This is test content\"> hello test world</a> content";

        string pattern = @"(>{1}.*)(test)(.*<{1})";

        string output = Regex.Replace(contentToReplace, pattern, "$1<span>$2</span>$3", RegexOptions.Singleline | RegexOptions.IgnoreCase);

        //output is :
        //This is <a href="test.aspx" alt="This is test content"> hello <span>test</span> world</a> content


        MessageBox.Show(output);
        Close();
    }

private void Form1\u加载（对象发送方，事件参数e）
{
string contentoreplace=“这是内容”；
字符串模式=@“（>{1}.*）（测试）（.*）如果输入是
”..>您好测试世界，会发生什么情况？这将匹配如下内容：
''（它不应该匹配）而无法匹配
测试“”（它应该匹配）@dtb-是的，刚刚测试了你的案子。它fails@strager-是的，你的案例也会失败。天哪，我需要一些时间来思考。我会将它标记为答案，因为它似乎获得了最多的选票。如果html文档格式不正确，这将不起作用。不要求所有标记都在html中关闭。以例如，td标记。您可以有一个未关闭的td标记，它是有效的html，但它将是无效的xml。如果文档是xhtml，这将起作用，但问题不涉及该细节。这就是为什么我的答案以“如果输入是有效的xhtml/xml”开头的原因嗯，由于内容来自随机站点，很可能不是有效的XHTML。听起来这并不容易。对shamme来说。