Javascript regEx：将单词和空格包装到标签中答案

【问题标题】：Javascript regEx: wrap words and spaces into tagsJavascript regEx：将单词和空格包装到标签中
【发布时间】：2012-10-06 09:19:01
【问题描述】：

我一直在尝试实现这一点：我想将单词包装到标签中，并在标签中包含空格（可能是多个），假设原始文本可以包含不应被触及的 html 标签

This is   <b>very bold</b> word.

转换为-->

<w>This</w><s> </s><w>is</w><s>   </s><b><w>very</w><s> </s><w>bold</w></b><s> </s><w>word</w>

实现这一目标的正确正则表达式是什么？

【问题讨论】：

标签： javascript regex

【解决方案1】：

你应该使用两个替换>>

s.replace(/([^\s<>]+)(?:(?=\s)|$)/g, '<w>$1</w>').replace(/(\s+)/g, '<s>$1</s>')

检查this demo。

编辑：

对于更复杂的输入（基于您在下面的评论），请使用 >>

s.replace(/([^\s<>]+)(?![^<>]*>)(?:(?=[<\s])|$)/g, '<w>$1</w>').replace(/(\s+)(?![^<>]*>)/g, '<s>$1</s>');

检查this demo。

【讨论】：

你能解释一下(?=...) 部分吗？
@SeanVaughn - Part (?=\s) 表示“后跟空格”
很好，但是是否可以修改您的解决方案以处理“复杂”标签，例如 very bold 而不是 very粗体?
不适用于嵌套元素jsfiddle.net/EfzW8/1（“粗体”未包含在中）。您可以根据需要添加任意数量的特殊情况，我总会找到一个反例根据定义 en.wikipedia.org/wiki/Chomsky_hierarchy#The_hierarchy。
@Prinzhorn - 首先，OP 要求提供正则表达式解决方案，因此很高兴找到最接近的正则表达式解决方案。您最近的示例有 data-foo="<bar>" 标签参数，这是可能的，但不太可能。由于我不知道 OP 需要解析什么样的 HTML 源代码，所以很难说我们必须走多远的正则表达式复杂性。我相信我最近的代码应该适用于 OP。

【解决方案2】：

正则表达式并不适合所有任务。如果您的字符串可以包含任意 HTML，则无法使用正则表达式处理所有情况，因为 HTML 是一种上下文无关的语言，而正则表达式仅涵盖其中的一部分。现在，在搞乱循环和大量代码来处理这个问题之前，让我提出以下建议：

如果您在浏览器环境中或可以访问 DOM 库，则可以将此字符串放在临时 DOM 元素中，然后处理文本节点，然后再读回字符串。

这是一个使用我几个月编写并现在更新的库的示例，称为Linguigi

var element = document.createElement('div');
element.innerHTML = 'This is   <b>very bold</b> word.';

var ling = new Linguigi(element);

ling.eachWord(true, function(text) {
    return '<w>' + text + '</w>';
});

ling.eachToken(/ +/g, true, function(text) {
    return '<s>' + text + '</s>';
});

alert(element.innerHTML);

示例：http://prinzhorn.github.com/Linguigi/（点击Stackoverflow 12758422 按钮）

【讨论】：