Comment puis-je éviter un modèle de chaîne spécifique d'être remplacé par Regex.Replace()

Question

J'ai une chaîne comme
Pakistan, officially the <a href="Page.aspx?Link=Islamic Republic of Pakistan">Islamic Republic of Pakistan</a>

Maintenant, je suis en utilisant
System.Text.RegularExpressions.Regex.Replace(inputText, "(\\bPakistan\\b)", "something"); pour remplacer le Pakistan en dehors des balises. Mais je ne veux pas remplacer le Pakistan sur les étiquettes <a></a>.
Edit: une chaîne réelle

Pakistan (ourdou: پاکستان), officiellement la République islamique du Pakistan, est un pays en Asie du Sud. Il a un 1046 km (650 mi) côte le long de la mer d'Oman et le golfe d'Oman dans le sud et est bordée par l'Afghanistan et de l'Iran à l'ouest, Inde à l'est et la Chine dans l'extrême nord-est. [6] Le Tadjikistan se trouve également à très proche du Pakistan mais est séparé par le couloir étroit Wakhan .

et un tableau de chaînes

string[] links={"Pakistan","Islamic Republic","Republic of Pakistan","South Asia","Arabian Sea","Gulf","Oman","Gulf of Oman","the south","in the south","Afghanistan","Iran","the west","in the west","west India","the east","China","Tajikistan","the narrow","Wakhan Corridor","Central Asia","the Middle","Middle East","the Middle East"} 

Je veux remplacer toutes les occurrences de chaque chaîne dans ce tableau avec <a href="page.aspx?link=thisString">thisString</a>. et je ne pouvais pas ajouter correctement des liens à des chaînes comme "République du Pakistan" où le Pakistan est aussi une autre chaîne dans ce tableau.

Answer 1

Bien que la solution ne fonctionne pas @ Chris exactement ici, mais vous pouvez utiliser de cette façon.

string content = "Pakistan is <a href=\" Pakistan is\">Pakistan an islamic country</a>"; 
string content2= Regex.Replace(content,@"\bPakistan\b", "India"); 
string content3 = Regex.Replace(content2, @"(?<=\<\s*a[^<]+)\bIndia\b(?=.*?\>)", "pakistan");   
Console.WriteLine(content3);  

mais ce n'est pas une solution très efficace.

Answer 2

Si vous essayez de faire quelque chose dans le contexte de la syntaxe HTML, utilisez un analyseur HTML.

Answer 3

Obtenez chaque ligne de texte dans une chaîne A

Retirez le mors <a></a> et le stocker dans la chaîne B

Exécutez votre Regex sur le reste du texte dans la chaîne A

retour A + B

Answer 4

Voici comment vous pouvez faire le contraire de ce que vous demandez (ne remplacez que les instances à l'intérieur des tags):

content = Regex.Replace(content, @"(?<=\<\s*a[^>]+)\bPakistan\b(?=.*?\>)", "India"); 

Ceci est très non testé et pas ce que vous voulez, mais il pourrait vous donner quelques conseils. Cela utilise zero-width lookaround assertions. Je suis sûr qu'il y a beaucoup d'autres façons de le faire.

Ceci pousse vraiment les limites de regex. Vous devriez probablement utiliser un analyseur HTML.

Edit: en utilisant lookbehind négatif, cela semble fonctionner (s'il vous plaît le tester!):

content = Regex.Replace(content, @"(?<!\<\s*a[^>]+)\bPakistan\b", "India"); 

Answer 5

Pour la première partie de votre question, je correspondre soit un lien ou le mot cible:

Regex r = new Regex(@"<a\s+.*?</a>|\bPakistan\b"); 

Puis j'utiliser un MatchEvaluator pour vérifier lequel j'appariés et remplacer en conséquence: si c'est un lien, rebranchez-le; si c'est le mot cible, linkify.

Pour la deuxième partie, vous pouvez Join les chaînes du tableau dans une alternance regex, comme ceci:

string regex = String.Format(@"\b({0})\b", String.Join("|", links)); 

Rappelez-vous simplement que l'alternance retourne la première alternative correspondant, pas la plus longue. Si aucune alternative A est un préfixe de remplacement B, B doivent être énumérés avantA. Par exemple, the Middle East devrait apparaître avant the Middle dans votre liste.