词汇表替换的正则表达式

Question

我正在编写词汇表模块-它必须找到文本中的已知单词，并将其替换为链接。如果是链接(<a href="...">word</a>)或属性(<span class="word">...</span>)，则不能替换word。

我已经写了代码：

$x = '<div>DVB-S2. DVB-S. DVB-S2DVB-S <sss DVB-S2 /> DVB-S2 <a href="dd">DVB-S2</a> DVB-S2 Hot bird 6/Hot Bird 8/Hot bird 9, 13.0</div>';

$word = 'Hot Bird 8';
$x = preg_replace("'(?<=[\s\>])(" . $word . ")(?=[^\d\w\-])(?!([^<]+)?>)'is", "<a href=\"s2\">$1</a>", $x);

$word = 'DVB-S2';
$x = preg_replace("'(?<=[\s\>])(" . $word . ")(?=[^\d\w\-])(?!([^<]+)?>)'is", "<a href=\"s2\">$1</a>", $x);

echo $x;

但它取代了<a href="dd"><a href="s2">DVB-S2</a></a>的<a href="dd">DVB-S2</a>。

我怎么才能修复它？

Answer 1

这就是我得到的，我希望它能工作

   echo preg_replace("@((?!<a\s*[^<>]*>.*?))($word)((?!</a>.))@i",'$1<a href="">$2</a>$3',$html) . chr(10);

它将输出以下内容

<div><a href="">DVB-S2</a>. DVB-S. <a href="">DVB-S2</a>DVB-S <sss <a href="">DVB-S2</a> /> <a href="">DVB-S2</a> <a href="dd">DVB-S2</a> <a href="">DVB-S2</a> Hot bird 6/Hot Bird 8/Hot bird 9, 13.0</div>

Answer 2

您需要将其分解为三个规则：

1. Word的两侧由非单词字符分隔，或者BOSL/EOSL.
2. Word不在<与其匹配>之间。
3. Word不在和之间。

对于规则(1)，我们需要一个正面的前视和后视：

(?<=^|\W)word(?=\W|$)

\W捕获非单词字符，因此除了字母、数字和下划线之外的任何字符。这与您的版本不完全相同，但您可以根据需要进行调整。\b也可能是一个很好的选择，在这种情况下，您不需要插入符号和美元符号。

现在，为规则(2)添加一个负向后视：

(?<!<[^>]*)(?<=^|\W)(DVB-S2)(?=\W|$)

当单词前面是<和任何非>字符时，即当它位于任何HTML标记中间时，这将防止匹配。

现在，为规则(3)添加一个负先行：

(?<!<[^>]*)(?<=^|\W)(DVB-S2)(?=\W|$)(?!</a>)

当单词后面紧跟一个</a>时，这会阻止匹配。这不是一个完美的解决方案，因为单词可能不是链接文本的唯一部分，但它可能足够接近您的情况，并且它通过了您的测试用例。可能有一种方法可以在单个表达式中比这更精确，但目前还没有想到任何东西。

以上所有代码都是用.NET方言正则表达式编写的，我假设PHP足够相似，可以让它为您工作。