using System;

using System.Text.RegularExpressions;

public class Program

{

    public static void Main()

    {   

        string texto = "<p align=\"JUSTIFY\" style=\"margin-bottom:0cm;\"><strong>Hace más de" +

"doscientos años, en la mayor parte del territorio de América del" +

"Norte habitaban los sioux en campamentos de tiendas, igual que otros" +

"indios de las praderas. Vivían pacíficamente y su principal riqueza" +

"eran los bisontes, de los que obtenían carne para alimentarse," +

"pieles para abrigarse y huesos con los que fabricaban utensilios de" +

"uso cotidiano.</strong></p>";

/*+ "<p align=\"JUSTIFY\" style=\"margin-bottom:0cm;\"><strong>En 1863, las tropas de" +

"ejército expulsaron a todas las tribus que vivían en Minnessota, la" +

"tierra de sus antepasados. Dos años más tarde el ejército" +

"estableció una línea fortificada a lo largo del río Missouri que" +

"mantenía a los sioux alejados de las grandes manadas de bisontes y" +

"de las minas de oro. Grupos de guerreros sioux acosaron durante tres" +

"años las zonas fortificadas por el ejército.</strong></p><p align=\"JUSTIFY\" style=\"margin-bottom:0cm;\"><strong>En 1868, el Gobierno" +

"se vio obligado a firmar la paz y emprendió una política de ayuda" +

"económica y cultural a los indios que aceptaron establecerse en las" +

"reservas. Pero la paciencia de los indios se acabó cuando las tropas" +

"del general Custer penetraron en territorio sioux para proteger a los" +

"mineros llegados en busca de oro. En 1876 un grupo de indios tendió" +

"una emboscada mortal a las tropas de Custer cuando éstas se" +

"disponían a atacar un campamento. Ningún blanco sobrevivió. Esta" +

"sangrienta batalla produjo una fuerte reacción del Gobierno. Los" +

"sioux sufrieron nuevas reducciones en su territorio, y sus" +

"condiciones de vida empeoraron.</strong></p><p align=\"JUSTIFY\" style=\"margin-bottom:0cm;\"><strong>La última resistencia" +

"armada de los sioux tuvo lugar en 1890, y estuvo ligada a la" +

"aparición de un movimiento religioso llamado “La Danza del" +

"Espíritu”. El movimiento prometía la vuelta de los rebaños de" +

"bisontes y la expulsión de los colonos. Esta creencia se extendió" +

"de una tribu a otra y se reanudaron las luchas sangrientas contra los" +

"blancos. El movimiento suscitó verdadero terror entre los colonos," +

"que pidieron la intervención del Gobierno.</strong></p><p align=\"JUSTIFY\" style=\"margin-bottom:0cm;\"><strong>En diciembre de 1890" +

"un grupo de indios rebeldes cayó en una emboscada y toda la tribu" +

"fue exterminada, incluidos ancianos, mujeres y niños. Esta atrocidad" +

"significó el fin de las revueltas sioux. En ese momento los indios" +

"se vieron forzados a aceptar las condiciones del Gobierno americano." +

"En la actualidad, la mayoría de los sioux viven pobremente en las" +

"reservas de Dakota del Norte y del Sur.</strong></p>";

*/

        Console.WriteLine(textIndexation(texto));

    }

    public static string textIndexation(string source)

        {

            /***************************************************

             *           DOTNETFIDDLE.NET                      *

             ***************************************************/

​

            /*****variables del algoritmo*/

            int pos = 0;            //posición del texto actual (de 0 a text.Length);

            string result = "";     //variable para almacenar el resultado a devolver

            string aux = "";        //variable auxiliar para almacenar caracteres de una misma etiqueta html, palabra, etc

            bool endhtmlflag = false;   //variable para indicar si fin o no de la etiqueta html

            bool endwordflag = false;   //variable para indicar el fin de la palabra (a la que asignamos índice)

            int windex = 1;         //variable para asignar índices a las palabras del texto como atributos de tag span (usar atributo data-windex)

            Regex alphanumericregexp = new Regex(@"[a-zA-Z0-9áéíóúñ]");     //regexp para ver si un caracter es alfanumérico o no

            Regex endwordregexp = new Regex (@"[\s.:,;]");  //regexp para ver si un caracter es un signo de puntuación que indique el fin de palabra

            /*****preparación de source para su parseo*/

            source = source.Trim(); //eliminación de espacios en blanco al principio y final

            //source = source.RemoveFuckingWordLabels(); //pendiente, buscar función que elimine información estupida de word?

            char[] text = source.ToCharArray(); //¿arraycialización? del string recibido como parámetro en char[] array

            while (pos < text.Length)

            {

                //Console.WriteLine("MAIN while -> pos=" + pos + " - text(pos)=" + text[pos]);

​

                if (text[pos].ToString().CompareTo("<") == 0)                      //start html tag "<"

                {

                    Console.WriteLine("start html -> pos=" + pos + " - text(pos)=" + text[pos]);

                    endhtmlflag = false;

                    aux = "";

                    aux += text[pos];

                    pos++;

                    while (!endhtmlflag)

                    {

                        if (text[pos].ToString().CompareTo(">") == 0)

                        {

                            endhtmlflag = true;

                        }

                        aux += text[pos];

                        pos++;

                    }

                    //Console.WriteLine("end html -> pos=" + pos + " - text(pos)=" + text[pos]);

                    result += aux;                              //end html tag ">"

                }

                else if (text[pos].ToString().CompareTo(" ") == 0)                 //blankspace

                {

                    Console.WriteLine("blankspace -> pos=" + pos );

                    result += " ";

                    pos++;

                }

                else if (text[pos].ToString().CompareTo("\\") == 0)               //breakline \r o \n o \r\n

                {

                    Console.WriteLine("breaklline -> pos=" + pos + " - text(pos)=" + text[pos]);                    

                    pos++;

                    result += "\\" + text[pos];

                    pos++;

                }

                else if (alphanumericregexp.IsMatch(text[pos].ToString())) //alphanumeric start (palabra, o número)

                {

                    Console.WriteLine("start alphanumeric -> pos=" + pos + " - text(pos)=" + text[pos]);                    

                    endwordflag = false;

                    aux = "<span data-windex='" + windex++ + "'>";

                    aux += text[pos++];

                    while (!endwordflag)

                    {

                        //Console.WriteLine("CONTINUE alphanumeric -> pos=" + pos + " - text(pos)=" + text[pos]);

                        if (!alphanumericregexp.IsMatch(text[pos].ToString())) 

                        {

                            endwordflag = true;

                            aux += "</span>";

                        }

                        else

                        {

                            aux += text[pos++];

                        }

                    }

                    //Console.WriteLine("********************end alphanumeric -> pos=" + pos + " - text(pos)=" + text[pos]);

                    result += aux;

                }

                else if(endwordregexp.IsMatch(text[pos].ToString()))        //signo de puntuación

                {

                    result += text[pos++];

                }else{

                    //ERROR

                    Console.WriteLine("else NOT CAPTURED -> pos=" + pos + " - text(pos)=[ " + text[pos] + " ]");

​

                }

            }

​

            return result;

        }

}