在C＃字符串中通过HTML搜索特定文本并标记文本的最佳方法是什么？

Question

在C＃字符串变量内搜索HTML以查找特定单词/短语并使用高亮标记（或包裹）该单词/短语的最佳方法是什么？

感谢，

杰夫

Answer 1

正则表达式将是我的方式。 ;）

Answer 2

搜索字符串，你会想查找正则表达式。至于标记它，一旦你有子字符串的位置，它应该足够简单，使用它来添加一些东西来包装短语。

Answer 3

如果您使用符合XHTML的HTML，则可以将其作为XML文档加载，然后使用XPath/XSL--长长的蜿蜒但优雅？

我过去使用的方法是使用HTMLTidy将杂乱的HTML转换为XHTML，然后使用XSL/XPath将屏幕内容转换为数据库，以创建反向内容管理系统。

正则表达式可以做到这一点，但是如果尝试剥离标签，图像名称等以消除误报，可能会很复杂。

Answer 4

在简单的情况下，正则表达式会做。

string input =“ttttttgottttttt”;
string output = Regex.Replace（input，“go”，“<strong> $ 0 </strong >”）;

将产生：“TTTTTT < STRONG>去< /强> TTTTTTT”

但是，当你说HTML，如果你指的是渲染的最后文本，这是一个有点乱。假设你已经有了这个HTML：

<跨度类= “firstLetter” >乙</SPAN > OOK

为了突出这个词 '书'，你会需要一个适当的HTML渲染器的帮助。为了简化起见，可以先删除所有标签，只留下内容，然后进行通常的替换，但是它感觉不正确。

Answer 5

你可以看看使用Html DOM，SourceForge.net上的一个开源项目。 通过这种方式，您可以以编程方式操作文本而不是依赖正则表达式。

Answer 6

我喜欢使用Html Agility Pack非常容易使用，虽然最近没有太多更新，但它仍然可用。例如抓取所有链接

HtmlWeb client = new HtmlWeb(); 
HtmlDocument doc = client.Load("http://yoururl.com");    
HtmlNodeCollection Nodes = doc.DocumentNode.SelectNodes("//a[@href]");   

foreach (var link in Nodes) 
{     
    Console.WriteLine(link.Attributes["href"].Value); 
}