除非被特定标签包围，否则替换字符

Posted 2023-02-24

【中文标题】除非被特定标签包围，否则替换字符

【英文标题】：Replace character UNLESS surrounded by specific tag

【发布时间】：2012-07-12 14:45:08

【问题描述】：

首先，是的，我知道永远不应该使用正则表达式来解析 html，但是，在这种情况下，我将获取一长串文本（实际上是 var_dump() 的输出）并使用多个正则表达式将其转换为XHTML，所以我确切地知道我将要处理什么标签。我序列中的最后两个正则表达式查找花括号并转换为 XHTML 片段。它很好用，除非花括号包含在字符串变量中，我在之前的正则表达式中的 <var></var> 标记之间输出。

所以，目前，我正在使用：/\s*\s*/u。我需要做的是调整它以忽略<var></var> 标签中任何地方的任何花括号。

我尝试过使用：/\s*\s*(?!(?<!<var>)[^\]*<\/var>)/u，但这并不完全正确。我还没有确定导致它无法正常工作的条件是什么。所以，我可能很接近这个正则表达式，或者我可能会走得很远。因此需要 SO 专业知识。谢谢。

另外，如果这根本不可能，我还可以做其他黑客攻击，即 base64_encode() 字符串，将其粘贴在 <var></var> 标签中，然后作为最后一个正则表达式，base64_decode() 任何被 @ 包围的东西987654326@ 标签。我更愿意找到一个可用的正则表达式，更重要的是，只是好奇它是否可能。

【问题讨论】：

您偶然发现了正则表达式不适合解析 HTML 的领域之一。虽然您可能会根据自己的情况编写代码，但我不禁要注意这一点。

听起来像是在重新发明***。如果您想使用 var_dump() 并将其放在屏幕上进行调试，请查看 Krumo、PQP 或无数其他类似项目之一。如果你坚持走自己的路，你可能最好重新实现 var_dump() 的逻辑并遍历你的对象，而不是尝试转换文本。

@SeanMcSomething：我很久以前写过这篇文章，当时并不知道这些项目（尽管我很快就发现了它们）。到目前为止，我的大部分工作已经完成，并且完全按照我的意愿工作，将大括号的这个非常罕见的例外保存在字符串变量中。我一直在忍受它，但现在有一些时间来修复它。

@JasonMcCreary：我完全同意。用正则表达式解析 HTML 是错误的。哈哈。但是，当我第一次开始时，我认为我可以编写一个怪物正则表达式来将整个字符串转换为 XHTML。我做不到，所以它被分成了几个正则表达式。这让我不得不尝试解析 HTML，尽管它非常简单且可预测。但是，是的，你是绝对正确的。

【参考方案1】：

这可能工作：

\s*\s*(?:(?!(?:.*?</var>))|(?=[^<]+<var>))

差不多，我改写了这个问题：我只匹配可以证明在<var> 之外的花括号，而不是匹配<var> 内的花括号。因此，花括号位于 <var> 之外，如果：

可以断言这是真的：(?!(?:.*?</var>))，它使用负前瞻来确保我们不会击中结束 </var> 标记，或 可以断言这是真的：(?=[^<]+<var>)，它使用积极的前瞻来确保我们最终会在某个地方打到开头的<var> 标签。

嵌套<var>标签肯定会失败，但它似乎适用于我使用的测试用例。您可以在 RegExr 上运行它并告诉我您的想法。

【讨论】：

@Qtax - 是的，我忘记了那个测试用例。我已经更新了它，它似乎适用于那个测试用例。但是，现在如果遇到流浪的<，它将失败。所以，这是一个权衡。

@nickb - 非常感谢！我意识到这可能并非在所有情况下都是完美的，但由于我完全控制了正在解析的内容，所以应该这样做。到目前为止，它适用于我所有的测试用例。再次感谢！ +1 用于解释正则表达式部分。