用span标记将拉丁字符序列包装起来

Question

我需要preg_replace用标签<span class="text=arial"></span>包装整个HTML页面中所有拉丁字符和数字序列的模式。例如，下面的HTML部件

<a href="http://domain.com/path" target="_blank">GSPd 役に立つツール： スキル意欲マトリクス</a>

应改为：

<a href="http://domain.com/path" target="_blank"><span class="text=arial">GSPd</span> 役に立つツール： スキル意欲マトリクス</a>

显然，只有内部节点文本才应该以这种方式处理，这样替换就不会破坏HTML标记。

我试过的是：

$p = '#(?<=\>)([a-zA-Z0-9]+)(?=\<)#ium';
$html = preg_replace(
    $p,
    '><span class="text-arial">$0</span><',
    $html
);

应该扩展此模式以包括内容由混合字符组成的情况，例如GSPd 役に立つツール： スキル意欲マトリクス 100

Answer 1

要在跳过<tag>中的文本时匹配字母和数字，您可以使用可爱的(*SKIP)(*F)技术(在Perl和PCRE中可用)，这样做不需要费力：

(?i)<[^>]*>(*SKIP)(*F)|[a-z][a-z ]+

在演示上，查看替换部分。

你可以把它弹到你的preg_replace中：

$regex = "~(?i)<[^>]*>(*SKIP)(*F)|[a-z][a-z ]+~";
$replace = '<span class="text=arial">\0</span>';
$replaced = preg_replace($regex,$replace,$original);

它是如何工作的？

在这种情况下，您希望将某些内容排除在之外--在本例中，是标记。它类似于关于正则表达式-匹配模式，除非.“的这个问题

替换|的左侧匹配完整的< ... >标记，然后故意失败，引擎跳到字符串中的下一个位置。右侧与“拉丁文”(在这里我将其定义为字母和空格，可以细化)相匹配，我们知道它是正确的文本，因为左边的表达式没有匹配它。

进一步改进

您可以探索和完善[a-z][a-z ]+，直到您满意它符合您对“拉丁文”的定义。

参考

• 特殊回溯控制动词
• 如何匹配(或替换)一个模式，除非在情况s1，s2，s3.

Answer 2

我对or 81的方法做了一些调整，以避免处理某些标记的文本，比如样式或脚本：

    $regex = "~(?i)<(head|style|script|noscript)[^>]*?>.*?<\/.*?\\1>(*SKIP)(*F)|<[^>]*>(*SKIP)(*F)|[a-z0-9&][_a-z0-9&,.;:#%\-/\(\) ]*~smu";        
    $replace = '<span class="text-arial">\0</span>';
    $html = preg_replace($regex,$replace,$html);

需要什么？

客户要求使用MS哥特式作为日文字符，阿里尔用于拉丁字符。问题是，MS哥特式字体已经有了拉丁文的字体，并且要将Arial应用于拉丁文字符，它们应该加上一些标签，以便能够通过CSS应用font-family: Arial。手动添加spans是很烦人的，所以非常感谢@ is 81为一个好的解决方案！