阿尔比恩异教徒要塞位置及探索指南

本文深入探讨了短语级文本替换这一看似简单却极易出错的关键技术问题，揭示了传统正则单词边界（\b）在面对嵌套短语（如“Telephone”与“Mobile telephone number”）时的根本局限，并提出一种鲁棒、安全、可扩展的「两阶段占位符替换」方案：先按长度降序扫描并用唯一临时标记替代所有匹配短语，再统一还原为目标内容，从而彻底避免子串误替换、HTML 结构污染和顺序依赖陷阱，特别适用于实时缩写、多层级术语替换等生产级场景。

本文介绍一种安全、可靠的短语级文本替换策略，通过两阶段占位符机制避免子串误匹配（如“Telephone”被错误匹配到“Mobile telephone number”中），确保长匹配优先、HTML 安全且可扩展。

在构建实时文本缩写功能（如将“Mobile telephone number”自动转为 M/TEL）时，一个常见陷阱是：正则的单词边界 \b 无法解决“短语包含更短关键词”的层级冲突。例如，若字典中同时存在 "Telephone" → "TEL" 和 "Mobile telephone number" → "M/TEL"，直接按任意顺序遍历替换，会导致 "Mobile telephone number" 先被拆解为 "Mobile TEL number"，再无法完整匹配长句——最终输出错误且嵌套混乱的 HTML。

根本原因在于：字符串替换是顺序敏感且不可逆的。一旦 "Telephone" 被提前替换为 "TEL"，原始上下文即丢失，长匹配永远失效。

✅ 正确解法是采用 「两阶段占位符替换」：

1. 第一阶段（扫描+占位）：遍历所有待替换短语（按长度降序排序），对每个匹配项用唯一、无歧义的临时标记（如 __replacement:0）替代，并记录该标记对应的真实 HTML 片段；
2. 第二阶段（还原+注入）：统一将所有占位符批量替换为预存的 HTML，确保 DOM 结构纯净、无嵌套污染。

以下是优化后的生产就绪实现：

let dictionary = {
  "M": { "Mobile telephone number": "M/TEL" },
  "T": { "Telephone": "TEL" }
};

// 扁平化字典 + 按原始短语长度降序排序（关键！保证"Mobile telephone number"优先于"Telephone"）
const replacements = Object.values(dictionary)
  .flatMap(obj => Object.entries(obj))
  .sort((a, b) => b[0].length - a[0].length); // 长度从大到小

function abbreviateText() {
  const input = document.getElementById("input").value;
  let output = input;
  const placeholderMap = []; // 存储 [placeholder, htmlFragment] 对

  // 第一阶段：扫描并占位
  for (const [phrase, abbr] of replacements) {
    const regex = new RegExp(`\\b${phrase}\\b`, 'gi');
    let matchCount = 0;

    // 使用 replace 的回调函数，支持多次匹配并生成唯一占位符
    output = output.replace(regex, (match) => {
      const placeholder = `__REPL_${placeholderMap.length}__`;
      placeholderMap.push([placeholder, `${abbr}`]);
      return placeholder;
    });
  }

  // 第二阶段：批量还原占位符为 HTML
  for (const [placeholder, html] of placeholderMap) {
    output = output.replace(new RegExp(placeholder, 'g'), html);
  }

  document.getElementById("output").innerHTML = output;
}

⚠️ 关键注意事项：

• 必须按短语长度降序排序："Mobile telephone number"（25 字符）必须排在 "Telephone"（11 字符）之前，否则长匹配永远无法触发；
• 占位符需绝对唯一且不可出现在原始输入中：推荐使用 __REPL_0__ 这类带前后缀、含下划线和数字的格式，避免与用户输入冲突；
• 假设输入为纯文本：本方案不处理已有 HTML 标签内的文本（如

  Telephone

  中的 Telephone）。若需支持 HTML 内容解析，应先用 DOMParser 提取文本节点，再对纯文本操作，最后重组 DOM；
• 性能提示：对于超大字典（>100 条），可预编译正则或使用 Aho-Corasick 算法优化多模式匹配，但日常场景中当前实现已足够高效。

此方案兼顾准确性、可维护性与扩展性——新增缩写规则只需追加到 dictionary，无需修改核心逻辑，是构建专业级文本智能缩写功能的稳健基础。

以上就是《阿尔比恩异教徒要塞位置及探索指南》的详细内容，更多关于的资料请关注golang学习网公众号！