使用RegEx搜索MultiByte字符串

Question

我正在使用WebBrowser控件处理html文档，我需要做一个实用程序来搜索一个单词，并在浏览器中突出显示它。如果字符串是英语的，它可以很好地工作，但对于其他语言的字符串，例如韩语，它似乎不起作用。

下面提到的代码工作的场景是-

考虑到用户已经在网页中选择了一个单词"Example“，现在我需要突出显示这个单词及其所有出现的地方。我还需要计算它们的byteOffset (代码片段只做这件事)。

现在，对于英语语言，下面的代码运行良好，但对于韩语这样的语言，它根本不起作用。

它不会进入for-each循环

foreach (Match m in reg.Matches(this._documentContent))            

在这里，_documentContent以字符串的形式包含网页源代码。occurenceNo是第一名。所选单词在文档中的出现次数

这是代码，strTemp包含朝鲜语字符串：

string strTemp = myRange.text;
string strExp =@">(([^<])*?)" + strTemp + "(([^<])*?)<";

int intCount =0;
Regex reg = new Regex(strExp);
Regex reg1 = new Regex(strTemp);
foreach (Match m in reg.Matches(this._documentContent))
{ 
    string strMatch = m.Value;
    foreach (Match m2 in reg.Matches(strMatch))
    { 
        intCount += 1;
        if (intCount==OccurenceNo)
        {
            int intCharOffset = m.Index + m2.Index;
            System.Text.UTF8Encoding d = new System.Text.UTF8Encoding(); 
            int intByteOffset = d.GetBytes( _documentContent.Substring(1, intCharOffset)).Length;
        }
    }
}

Answer 1

如果代码对英语单词有效，但对韩语没有返回任何结果，那么我可能会建议这是一个文化问题，所以您可以尝试将RegexOptions设置为CultureInvariant：

Regex reg = new Regex(strExp, RegexOptions.CultureInvariant);
Regex reg1 = new Regex(strTemp, RegexOptions.CultureInvariant);

Answer 2

我使用以下韩语的RegEx代码：

private static readonly Regex regexKorean = new Regex(@"[가-힣]");
public static bool IsKorean(this char s)
{
    return regexKorean.IsMatch(s.ToString());
}

if (someText.Any(z => z.IsKorean()))
{
    DoSomething();
}