一个简单的算法，最好能结合正则表达式完整实现

Question

本帖最后由 panwl83 于 2013-08-15 00:37:51 编辑

Answer 1

这个算法其实是一个处理字符串内容中含有本站(www.abc.com)之外域名的方法
主要处理两种文本
一种是含有超链文本如：<a href='http://www.aaa.com'>aaa</a>、<a href='http://www.bbb.com'>bbb</a>
一种是含有网址纯文本如：www.aaa.com、www.bbb.net、www.ccc.cn、www.abc.org等等
分析，两种情况处理
关于超链文的处理希望返回的结果是仅保留<a href='http://www.abc.com'>abc</a>
关于网址纯文本处理希望返回结果是仅保留www.abc.com输入一串字符串分两次处理先过滤掉不符合规则的超链文本，再过滤掉不符合规则的网址纯文本
这样应该能返回要的结果

Answer 2

自己看精通正则表达式第二版网上有PDF电子书

Answer 3

(?is)(<a[^>]*?href=(["'])?(http://www\.((?!abc)\w)+\.com[^"']*?)\1[^>]*?>.*?</a>|http://www\.((?!abc)\w)+\.com[^"']*?|www\.((?!abc)\w)+\.com)

Answer 4

    protected void Page_Load(object sender, EventArgs e)
    {
        string iniStr = @"<a href='http://www.aaa.com/sadf/aaa.asp'>过滤一</a>asdf<a href='http://www.bbb.com'>过滤二</a><a href='http://www.abc.com'>abc网</a>afad www.bbb.com sdf www.abc.com";
        string filterword = iniStr;
        Response.Write(HttpUtility.HtmlEncode(filterword));
        Response.Write("<br/>");
        //过滤外链
        string s = iniStr;
        MatchEvaluator me = new MatchEvaluator(ABC);
        string r = Regex.Replace(s, @"(?is)<a[^>]*href=([""'])(?<href>.*?)\1>.*?</a>", me);
        //再过滤
        filterword = FilterLinkExcept(r);
        Response.Write(HttpUtility.HtmlEncode(filterword));
        //输出结果
        //asdf<a href='http://www.abc.com'>abc网</a>afad sdf www.abc.com        
    }    /// <summary>
    ///  仅保留www.abc.com超链文本
    /// </summary>
    /// <param name="match"></param>
    /// <returns></returns>
    private string ABC(Match match)
    {
        if (!match.Groups["href"].Value.ToLower().Contains("www.abc.com"))
            return "";
        else return match.Value;
    }    /// <summary>
    /// 仅保留www.abc.com网址文本
    /// </summary>
    /// <param name="text"></param>
    /// <returns></returns>
    public static string FilterLinkExcept(string text)
    {
        string validStr = "";        
        //(?is)(<a[^>]*?href=(["'])?(http://www\.((?!abc)\w)+\.com[^"']*?)\1[^>]*?>.*?</a>|http://www\.((?!abc)\w)+\.com[^"']*?|www\.((?!abc)\w)+\.com)
        Regex reg = new Regex(@"www\.((?!abc)\w)+\.com");        
        validStr = reg.Replace(text, "");
        return validStr;
    }

Answer 5

上面是网上平凑实现。
多谢@伤脑筋
实际应用中iniStr长度nvarchar(5000)
问题：
不知道还有没有更高性能方案或者更漂亮的写法

Answer 6

建立一个库，将要替换的内容都扔进库里面，每次使用前replace一下即可。