php正则表达式匹配html标签之外

Posted 2023-02-24

【中文标题】php正则表达式匹配html标签之外

【英文标题】：php regex to match outside of html tags

【发布时间】：2011-12-15 01:27:20

【问题描述】：

我正在 html 页面上进行 preg_replace。我的模式旨在为 html 中的某些单词添加环绕标记。但是，有时我的正则表达式会修改 html 标签。例如，当我尝试替换此文本时：

<a href="example.com" >yasar</a>

所以 yasar 读取 <span class="selected-word">yasar</span> ，我的正则表达式也替换了锚标记的 alt 属性中的 yasar。我正在使用的当前preg_replace() 看起来像这样：

preg_replace("/(asf|gfd|oyws)/", '<span class=something>$1</span>',$target);

如何制作正则表达式，使其不匹配 html 标签内的任何内容？

【问题讨论】：

@MarcB 一次，我认为这是一个有效的正则表达式问题。使用 DOM 解析器很难轻松地完成 OP 想要的操作。他只需要知道如何不匹配引号内的单词。

@Xeon：还是个坏主意。使用 dom/xpath 获取文本节点，然后单独操作它们。这是唯一 100% 可靠的方法，可以确保您只处理“相关”文本，而不是匹配的格式错误的标签的一些不可靠的子块。

【参考方案1】：

您可以为此使用断言，因为您只需要确保搜索的单词出现在 > 之后或任何 < 之前的某个时间。后一种测试更容易完成，因为前瞻断言可以是可变长度的：

/(asf|foo|barr)(?=[^>]*(<|$))/

另请参阅http://www.regular-expressions.info/lookaround.html 以获得对该断言语法的很好解释。

【讨论】：

Yada yada，愚蠢的 bobince 回答... -- 是的，这不太正确。此正则表达式仅适用于 XML/XHTML，并且仅适用于没有 CDATA 边缘情况等。但即使在现实世界的 HTML 中，您也不会在属性中看到尖括号。因此，可以作为基本解决方案。

我在尝试运行您的正则表达式时收到Compilation failed: lookbehind assertion is not fixed length at offset 27。也许你错过了什么？

再试一次。自此编辑代码。 （有一个?<= 应该是?=。）

我不知道这是如何工作的，因为我对前瞻概念不熟悉，但它确实有效。谢谢:)

@likeforex.com：我们这里不做个人支持，SO 也不是论坛；没有规定在两者之间讨论不同的话题。特别是如果查询是那么模糊。 （“你试过什么？”）。我不知道你想要什么。 -- 如需帮助，请参阅 Open source RegexBuddy alternatives 和 Online regex testing 以获得一些有用的工具，或 RegExp.info 以获得更好的教程。

【参考方案2】：

Yasar，重新提出这个问题，因为它有另一个未提及的解决方案。

此解决方案不只是检查下一个标记字符是否为开始标记，而是跳过所有<full tags>。

关于使用正则表达式解析 html 的所有免责声明，这里是正则表达式：

<[^>]*>(*SKIP)(*F)|word1|word2|word3

这是demo。在代码中，它看起来像这样：

$target = "word1 <a skip this word2 >word2 again</a> word3";
$regex = "~<[^>]*>(*SKIP)(*F)|word1|word2|word3~";
$repl= '<span class="">\0</span>';
$new=preg_replace($regex,$repl,$target);
echo htmlentities($new);

这是此代码的online demo。

参考

How to match pattern except in situations s1, s2, s3 How to match a pattern unless...

【参考方案3】：

这可能是你所追求的：http://snipplr.com/view/3618/ 一般来说，我建议不要这样做。更好的选择是去掉所有的 HTML 标签，转而依赖 BBcode，例如：

[b]bold text[b] [i]italic text[i]

但我很感激这可能不适用于您正在尝试做的事情。

另一个选项可能是 HTML Purifier，请参阅：http://htmlpurifier.org/

【参考方案4】：

在我看来，这应该可行：

echo preg_replace("/<(.*)>(.*)<\/(.*)>/i","<$1><span class=\"some-class\">$2</span></$3>",$target);

但是，我不知道这有多安全。我只是提出一种可能性:)