PHP Regex -在特定模式之后删除特定的字符串

Question

我正在用WordPress编写列短代码，它总是在标记后面添加</p>。

因此，转储变量的原始HTML结果如下所示：

<column class="size-5"></p>
....
</column>

我想用regex删除唯一的</p>，所以我做了以下操作：

$content = preg_replace("/(?!<column[^<]+)<\/p>/", '', $content);

我匹配了</p>，同时排除了列标记。这是Regexr链接。

在regexr (我假设使用JS语法)中，它工作得很好。但是在PHP中，它匹配每个</p>并删除它。

我已经尝试过许多?<!和?>!后面的变体，但是不起作用。

以前有没有人经历过同样的问题？

谢谢

Answer 1

首先，您应该知道使用regex操作HTML是容易受到攻击的，在任意HTML代码的情况下不可能100%工作。您应该只在知道自己正在做什么时才使用它(您自己以独特的方式生成HTML，或者HTML提供程序是已知的，并且使用unqiue方法进行HTML转义，等等)。

接下来，您不需要使用任何负面的外观。您所使用的模式匹配任何不是</p>子模式的起始子序列的<column[^<]+子模式，该子模式总是正确的，并且有效地匹配了任何</p>。

如果要删除某些特定已知上下文中出现的文本，则可能依赖于捕获所需内容并匹配要替换的内容。唯一要做的就是将您需要保留的模式的一部分与(...)放在一起，并在替换模式中使用对该组的反向引用。

使用

$content = preg_replace('/(<column\b[^<]*>)<\/p>/', '$1', $content);

或者，在PCRE中，您可以使用\K运算符，该运算符省略了与之匹配的整个文本，如

$content = preg_replace('/<column\b[^<]*>\s*\K<\/p>/', '', $content);

而且您不必在替换模式中使用任何反向引用。

我添加了\b (word边界)，以确保column匹配为一个完整的单词。因为它仍然可以在column中与column-editor相匹配，所以您可能需要用<column(?:\s[^<]*)?>来修复<column\b[^<]*>。