+apple +香蕉+“婴儿车”-blog的Regex等效

Question

我做了一个应用程序，我运行以获得一个页面的html，当我得到它时，我必须根据不同的模式将url标记为可用或不可用。这些模式在txt文件中提供：

示例：

+apple+banana+”baby cart” –blog
+”apple skin” +banana +”baby cart” –blog
+”apple skin” +”buy now” +jpg

"指的是短语而不是单词。

1. html必须包含苹果、香蕉和婴儿车，不能包含博客。
2. html必须包含苹果皮、香蕉和婴儿车，不能包含博客。
3. html必须包含苹果皮，现在购买和jpg

问题

在这种情况下我可以使用regex吗？如果是，则上述模式的regex等效值是什么，因此我们可以在txt文件中使用它们，但这些除外，只需将其用作HTML中匹配的模式.

(模式不区分大小写的)。

Answer 1

用于至少剖析搜索字符串的示例正则表达式(虽然假设是-和"而不是–和”)：

(?<operator>[+-])?(?<word>["][^"]+["]|[^\s+-]+)

这与+或-及其后面的单词或短语匹配。

快速PowerShell测试：

PS> [regex]::matches($s, '(?<operator>[+-])?(?<word>["][^"]+["]|[^\s+-]+)')|ft -auto

Groups                         Success Captures       Index Length Value
------                         ------- --------       ----- ------ -----
{+apple, +, apple}                True {+apple}           0      6 +apple
{+banana, +, banana}              True {+banana}          6      7 +banana
{+"baby cart", +, "baby cart"}    True {+"baby cart"}    13     12 +"baby cart"
{-blog, -, blog}                  True {-blog}           26      5 -blog

然后，您可以处理它来为您的内容构建正则表达式，例如：

var re = @"(?<operator>[+-])?(?<word>[""][^""]+[""]|[^\s+-]+)";
var matches = Regex.Matches(s, re);

StringBuilder sb = new StringBuilder();
sb.Append("(?i)");
foreach (Match m in matches) {
  sb.Append(string.Format("(?{1}.*{0})",
      Regex.Escape(m.Groups["word"]).Trim('"'),
      m.Groups["operator"] == "+" ? "=" : "!"));
}

var finalRe = sb.ToString();

但是要记住，结果的正则表达式非常慢，特别是对于较长的单词列表。