如何让维基乌尔都语纠错工具忽略双括号/大括号内的文本？

问题 #

开发乌尔都语维基百科文本纠错工具时，遇到核心问题：纠错逻辑会无差别替换所有位置的错误词汇，包括维基链接（[[...]]）和模板（{{...}}）内部的内容，导致链接/模板损坏。现有代码仅能跳过[[JavaScript]]这类简单链接，无法处理包含错误词汇的完整链接（如[[source codes of JavaScript software]]）或模板，需要实现完全忽略[[...]]和{{...}}块内所有文本的逻辑。

解决方案 #

核心思路是先将所有维基链接和模板块临时替换为唯一占位符，待外部文本纠错完成后，再将占位符还原为原始内容。这样就能彻底避免修改块内的任何内容。

具体步骤 #

• 提取原文中所有[[...]]和{{...}}的内容，存储到数组中
• 用带索引的占位符替换原文中的对应块
• 对替换后的纯文本执行纠错替换操作
• 将占位符还原为原始的链接/模板内容

修改后的完整代码 #

async function imla(imlaWords) {
    try {
        const pageTitle = mw.config.get('wgTitle');
        let pageContent = await loadPage(pageTitle);
        const originalContent = pageContent;

        // 存储提取出的链接和模板内容
        const placeholders = [];
        // 匹配所有[[...]]和{{...}}，支持嵌套场景（维基语法中嵌套较少，无嵌套可简化为/\[\[.*?\]\]|\{\{.*?\}\}/g）
        const wikiBlocksRegex = /(\[\[(?:[^[\]]|(?R))*\]\]|\{\{(?:[^{}]|(?R))*\}\})/g;

        // 第一步：替换所有链接/模板为占位符
        pageContent = pageContent.replace(wikiBlocksRegex, (match) => {
            const index = placeholders.length;
            placeholders.push(match);
            return `__PLACEHOLDER_${index}__`;
        });

        // 第二步：对非块内文本执行纠错替换
        imlaWords.forEach(([incorrectWord, correctWord]) => {
            const regex = new RegExp(incorrectWord, 'g');
            pageContent = pageContent.replace(regex, correctWord);
        });

        // 第三步：将占位符还原为原始链接/模板内容
        pageContent = pageContent.replace(/__PLACEHOLDER_(\d+)__/g, (_, index) => {
            return placeholders[index];
        });

        const imlaCorrected = originalContent !== pageContent;

        if (imlaCorrected) {
            await savePage(pageTitle, pageContent);
            openDiffPage(pageTitle);
        } else {
            mw.notify('اِس صفحہ میں اصلاح کی ضرورت محسوس نہیں ہوئی۔');
        }
    } catch (error) {
        mw.notify(error.message);
    }
}

关键说明 #

• wikiBlocksRegex：递归正则可匹配嵌套的链接/模板，若确认维基语法中无嵌套场景，可简化正则提升性能
• 占位符使用唯一索引，确保还原时不会出现内容混淆
• 纠错逻辑仅作用于替换占位符后的纯文本，完全避开链接/模板块

内容的提问来源于stack exchange，提问作者Yethrosh