regex - markdown emph正则表达式匹配

Question

原始字符串:

These * should * not \*be\* selected. This* neither! *should be. This *neither should\* be* *this should* and*This*

期待:

These * should * not *be* selected. This* neither! *should be. This *neither should* be* <em>this should</em> ～～and<em>This</em>～～

旧的正则表达式:

"(^|[\\W_])(?:(?!\\1)|(?=^))(\\*|_)(?=\\S)((?:(?!\\2).)*?\\S)\\2(?!\\2)(?=[\\W_]|$)"

旧的不足以应对这种情况

有人可以帮忙吗？快速正则表达式

Answer 1

在使用正则表达式解析 Markdown 时，您应该小心使用正则表达式方法，因为您的数据可能具有转义序列。这意味着，你不能只使用环视来匹配前面没有反斜杠的东西。您可以尝试使用正则表达式来将 Markdown 之前的转义序列匹配到一组中，并将 Markdown 部分匹配到另一组中。

"(?u)(\\\\.)|(\\*\\b(?:(?!\\\\[*]).)*?\\b\\*)"

参见 this regex demo .在代码中，您需要根据您的规范以不同方式处理这两个组。

图案细节:

• (?u) - 使模式中的单词边界识别 Unicode
• (\\\\.) - 第 1 组 - 转义序列
• | - 或者
• (\\*\\b(?:(?!\\\\[*]).)*?\\b\\*) - 第 2 组匹配
  • \\*\\b - * 后跟单词 char
  • (?:(?!\\\\[*]).)*? - 任何不是 \* 序列起始字符的字符，尽可能少
  • \\b\\* - 以字符字符开头的 *

更好的选择是自定义解析代码。