替换分号 (;) 但不替换 html 字符 ( 等)答案

【问题标题】：replace semicolon (;) but not html characters (  etc.)替换分号 (;) 但不替换 html 字符 ( 等)
【发布时间】：2013-08-26 11:54:41
【问题描述】：

我正在为我的问题寻找正则表达式。我有一段文字（产品规格），例如：

length: 20cm; height: 10cm; &laquo;Night&raquo; mode: yes;&nbsp;manufacturer : Sony&copy; manual&nbsp;:&nbsp;yes

最终的结果应该是这样的

<tr><td>length</td><td>20cm</td></tr>
...
<tr><td>manufacturer</td><td>Sony&copy;</td></tr>

所以我应该将":" + whitespace characters(\s*) 替换为"</td><td>" 和";" + whitespace characters(\s*) 替换为"</td></tr><tr><td>"，但在; 之前有拉丁符号[a-z]+ 和& 符号的情况下不应该。关键在于像 &_nbsp; 这样的 html 字符。 &_laquo; &_copy 等包含“;”

换句话说，:\s* 而不是&[a-z]+[;]。

我该怎么做？

我在 smarty 中的正则表达式如下所示： " |regex_replace:"/[:]\s*/":""|regex_replace:"/[;]\s*/":"" " 所以唯一的事情就是删除 html 字符...我尝试了一些组合与 (?!...) 但没有成功我正在寻找这样的东西 RegExp for matching three letters, but not text "BUY"

【问题讨论】：

请注意，regex 标签还声明：还请包含一个标签，指定您正在使用的编程语言或工具。

标签： php javascript regex html-parsing smarty

【解决方案1】：

如果必须使用正则表达式，可以这样操作：

删除所有字符，\w : ; & 除外
将所有&copy; 替换为@@@copy###
您现在可以将: ; 替换为<td>
将所有@@@copy### 替换为&copy;
删除所有&nbsp;

【讨论】：

实际上我在 smarty 中的正则表达式看起来像这样 " |regex_replace:"/[:]\s*/":""|regex_replace:"/[;]\s */":" " " 所以唯一的事情就是删除 html 字符...
第2步，可以将/&(\w){1,4});/全部替换为@@@$1###（javascript语法）
但是有很多特殊字符...例如我见过 ø 的用法我相信这应该是一种跳过正则表达式的方法，例如这里stackoverflow.com/questions/3194867/…
负前瞻有点复杂，并且在某些语言中没有得到很好的支持。所以我认为最简单的方法是用一些个人标签替换 html 字符。然后将它们替换回去；
你能帮我写这个东西吗？得到单词“«” ==> /&(\w){1,8});/ ==> @@@laquo### 如你所愿？

【解决方案2】：

怎么样：

$str = 'length: 20cm; height: 10cm; &laquo;Night&raquo; mode: yes;&nbsp;manufacturer : Sony&copy; manual&nbsp;:&nbsp;yes';
$str = preg_replace('#(?!&[a-z]+); #', '</td></tr><tr><td>', $str);
$str = preg_replace('#: #', '</td><td>', $str);

【讨论】：

顺便说一句，聪明的解决方案非常简单，而不是使用花括号！

【解决方案3】：

使用否定的look-behind查找分号不是编码字符的一部分：

(?<!&[a-z]{2})(?<!&[a-z]{3})(?<!&[a-z]{4})(?<!&[a-z]{5});\s*

这个正则表达式只匹配裸分号。不幸的是，由于需要固定长度的表达式，需要多次后视，因此涵盖了所有可能性。

查看此正则表达式的live demo。

【讨论】：

你能写一个完整的版本吗？
我相信它正在工作）但是我在使用 smarty 解析器时遇到了一些麻烦问题......但这并不是不允许你回答，谢谢！
这对我有用，虽然我把 [a-z] 换成了 #[0-9]，那么你只需要做 2,3 和 4 个长度