如何用正则实现符合WhatsApp规则的文本格式转换？

需求说明 #

需要将采用WhatsApp/StackOverflow风格的文本标记转换为对应HTML标签：

• * → <b>（粗体）
• _ → <i>（斜体）
• ~ → <s>（删除线）

同时必须满足WhatsApp的两个特殊规则：

1. 触发条件限制：仅当标记前是特定字符（,:; 空格 _ ~ . \n *）时才转换，例如@*this text is not bold*保持原样；
2. 连续标记限制：标记连续数量超过2个时不转换，例如***this text is not bold**保持原样。

正则实现方案 #

可以通过结合反向预查、正向预查和数量限定实现符合规则的匹配，以下分标记类型给出具体正则及替换逻辑（以JavaScript为例）：

1. 粗体标记（*）转换

正则匹配规则：

/(?<=^|[:,; _~.\n*])(\*{1,2})(?!\*)([^*]+?)\1(?=$|[:,; _~.\n*])/g

替换为：<b>$2</b>

2. 斜体标记（_）转换

正则匹配规则：

/(?<=^|[:,; _~.\n*])(_{1,2})(?!_)([^_]+?)\1(?=$|[:,; _~.\n*])/g

替换为：<i>$2</i>

3. 删除线标记（~）转换

正则匹配规则：

/(?<=^|[:,; _~.\n*])(~{1,2})(?!~)([^~]+?)\1(?=$|[:,; _~.\n*])/g

替换为：<s>$2</s>

正则逻辑解释 #

• 反向预查(?<=^|[:,; _~.\n*])：确保标记前是允许的特定字符或文本开头，对应规则1；
• 数量限定{1,2}：只匹配1-2个连续标记，超过2个的不触发转换，对应规则2；
• 正向预查(?!\*)（对应*标记）：避免误匹配3个及以上的连续标记；
• 非贪婪捕获组([^*]+?)：精准匹配标记包裹的内容，支持嵌套标记的逐层转换（如~_*text*_~会依次转换为<s><i><b>text</b></i></s>）。

完整示例代码 #

function convertWhatsAppMarkup(text) {
    // 按外层到内层顺序处理嵌套标记
    text = text.replace(/(?<=^|[:,; _~.\n*])(~{1,2})(?!~)([^~]+?)\1(?=$|[:,; _~.\n*])/g, '<s>$2</s>');
    text = text.replace(/(?<=^|[:,; _~.\n*])(_{1,2})(?!_)([^_]+?)\1(?=$|[:,; _~.\n*])/g, '<i>$2</i>');
    text = text.replace(/(?<=^|[:,; _~.\n*])(\*{1,2})(?!\*)([^*]+?)\1(?=$|[:,; _~.\n*])/g, '<b>$2</b>');
    return text;
}

// 测试输入
const input = `*this text is bold*, 
_this text is italic_, 
~this text is strikethrough~. 
~_*this text is bold, italic and strike-through*_~
@*this text is not bold*
***this text is not bold**`;

// 输出转换结果
console.log(convertWhatsAppMarkup(input));

输出结果：

<b>this text is bold</b>, 
<i>this text is italic</i>, 
<s>this text is strikethrough</s>. 
<s><i><b>this text is bold, italic and strike-through</b></i></s>
@*this text is not bold*
***this text is not bold**

内容的提问来源于stack exchange，提问作者Sayad Ahmed Shaurov