在Regex替换字符串中包括匹配索引

Question

我有一种情况，我需要从一些文本中删除HTML代码。但是，有些输入文本包含列表，在这种情况下，我希望保留编号。

如果我做了

result = Regex.Replace(result, "<li>", vbNewLine & "1. ", RegexOptions.IgnoreCase)

然后，在去掉其他HTML标记之后，我的结果是：

1. List item one
1. List item two
1. List item three

有什么方法可以在替换时得到比赛的索引吗？

例如：

result = Regex.Replace(result, "<li>", vbNewLine & replacementIndex + 1 & " ", RegexOptions.IgnoreCase)

然后，在去掉其他HTML标记之后，我会得到：

1. List item one
2. List item two
3. List item three

这个是可能的吗？?

注意:这是在一个函数中，因此每个列表都是分开处理的，无序列表则得到符号(*)。

Answer 1

下面是我最后是如何做到的--首先，找到每个订单列表：

Dim result As String = rawText
Dim orderedLists As MatchCollection = Regex.Matches(rawText, "<ol>.*?</ol>", RegexOptions.Singleline)

For Each ol As Match In orderedLists
    result = Replace(result, ol.Value, EncodeOrderedList(ol.Value))
Next

以及转换每个函数的函数：

Private Function EncodeOrderedList(ByVal rawText As String) As String
    Dim result As String = rawText
    result = Regex.Replace(result, "<ol>\s*<li>", "1. ", RegexOptions.IgnoreCase)
    result = Regex.Replace(result, "</li>\s*</ol>", vbNewLine & vbNewLine, RegexOptions.IgnoreCase)
    Dim bullets As MatchCollection = Regex.Matches(rawText, "</li>\s*<li>")
    Dim i As Integer = 2
    For Each li As Match In bullets
        result = Replace(result, li.Value, vbNewLine & i & ". ", 1, 1)
        i += 1
    Next

    Return result
End Function

我还没有在嵌套列表上测试过它。

Answer 2

这应该是一个很好的起点。@"(\<ul\>)((.|\n)*?)(\<\/ul\>)" --这将匹配标记之间的所有内容。

Answer 3

很乱，但有点像下面这样。一次只换一个。对于大型数据集来说，这可能比较慢。

int lineNbr = 1;
string newResult = result.Replace("(?i)<li>", vbNewLine & (lineNbr++).ToString() & '. ', 1);
while (newResult != result)
{
   result = newResult;
   newResult = result.Replace("(?i)<li>", vbNewLine & (lineNbr++).ToString() & '. ', 1);
}