仅在锚文本中用空格替换破折号答案

【问题标题】：Replace dashes with spaces just in anchor text仅在锚文本中用空格替换破折号
【发布时间】：2017-05-22 14:34:14
【问题描述】：

我只想用空格替换锚定 HTML 代码中的破折号，如下所示：

<a href="https://example.com/hello-world-hi">hello-world-hi</a>

替换后是：

<a href="https://example.com/hello-world-hi">hello world hi</a>

如何告诉正则表达式只替换锚文本中的破折号？

【问题讨论】：

使用 perl，:% perldo s/^<a[^>]*>(*SKIP)(*F)|-/ /g 不确定它对 html 标签有多强大...

标签： regex vim sed

【解决方案1】：

直观地选择该标签的内容：
```
vit
```
对视觉选择覆盖的文本执行替换：
```
:s/\%V-\%V/ /g
```

【讨论】：

【解决方案2】：

你仍然可以通过替换来做到这一点：

:%s:\(<a [^>]*>\)\(.\{-}\)\(</a>\):\=join([submatch(1),substitute(submatch(2),'-',' ','g'),submatch(3)],''):g

【讨论】：

这没什么实用的：P

【解决方案3】：

您不应该尝试使用正则表达式解析 HTML，而应使用解析器。

对于命令行处理，有 HTML-XML-utils（为许多 Linux 发行版打包）及其 hxpipe 和 hxunpipe 命令，它们将 HTML 转换为易于由基于行的工具处理并返回的格式：

$ echo '<a href="https://example.com/hello-world-hi">hello-world-hi</a>' | hxpipe
Ahref CDATA https://example.com/hello-world-hi
(a
-hello-world-hi
)a
-\n

现在，我们可以修改它，例如使用 GNU sed（> 是辅助提示）：

$ echo '<a href="https://example.com/hello-world-hi">hello-world-hi</a>' |
> hxpipe |
> sed '/^(a$/,/^)a$)/{/^-/s/-/ /2g}'
Ahref CDATA https://example.com/hello-world hi
(a
-hello world hi
)a
-\n

sed 命令，更好的可读性和注释：

sed '
    /^(a$/,/^)a$)/{   # If we are within an anchor tag...
        /^-/s/-/ /2g  # If the line starts with "-" (text), replace all but the
    }                 #   first hyphen with a space
'

hxpipe 以- 开头的行表示文本，因此我们替换所有连字符除了。 s///2g 的行为是特定于 GNU sed 的，对于其他 sed 可能会有所不同。

最后，我们将其“解压”回 HTML：

$ echo '<a href="https://example.com/hello-world-hi">hello-world-hi</a>' |
> hxpipe |
> sed '/^(a$/,/^)a$)/{/^-/s/-/ /2g}' |
> hxunpipe
<a href="https://example.com/hello-world hi">hello world hi</a>

【讨论】：

嗯。我基本上同意应该使用 HTML 解析器（我没有投票）。但是这个 hxpipe 的东西看起来很 hackish，尤其是与 sed 结合使用时。一个小的 Python（或其他）程序会更干净。
感谢您介绍这个用于 HTML 解析的工具。瑞士刀结合 sed。
@hek2mgl 我猜 sed 只是 always 看起来很老套；）但我才意识到我可以稍微清理一下（不需要循环）。是的，Python/Perl 或类似的东西会更干净，但如果你真的想要一些可管道的东西，我发现 hxpipe 和 hxunpipe 对于快速原型和一次性脚本非常有用。
好吧，也许有一天我应该试一试。以前从未听说过 html-xml-utils。谢谢你。