使用正则表达式替换 html 字体标签答案

【问题标题】：Replacing html font tag using regex使用正则表达式替换 html 字体标签
【发布时间】：2010-12-12 02:06:28
【问题描述】：

我想替换（所有出现的）HTML <font>-tag 在一个字符串中。

示例字符串：

Line1<div><font class="blablabla" color="#33FF33">Line2</font></div><div>Line3

或：

Line1<div><font color="#33FF33">Line2</font></div><div><font color="#FF3300">Li</font>ne3

字体（starttag）应该换成颜色，这样根据我们得到的两个例子：

Line1<div>33FF33Line2</font></div><div>Line3
Line1<div>33FF33Line2</font></div><div>FF3300Li</font>ne3

我尝试了以下方法（除其他外：P）：

preg_replace('/<font.*color="#([0-9a-fA-F]){6}">/', '{1}', $string)

我认为我的方向是正确的，但我认为它更像是如此接近但又如此遥远:)

当我在其中只有 1 个字体标签的字符串上使用它时，它会删除字体标签（我一定是用替换 {1} 搞砸了一些东西）。当我在其中包含多个字体标签的字符串上使用它时，它也是如此。但不仅要删除第一个字体标签，还要删除从第一个字体标签到下一个（或最后一个）字体标签的所有内容。

好的。

让我们暂时忘记 HTML 代码解析讨论。

如果我有以下文本怎么办：

This colorcode (#333333) is so cool
This colorcode (orange: #ff3300) is way cooler

我希望文本变成：

This colorcode 333333 is so cool
This colorcode ff3300 is way cooler

和我看到的一样，还是我现在无知？

【问题讨论】：

【解决方案1】：

preg_replace('~<font[^>]*\scolor="#([0-9a-fA-F]{6})"[^>]*>~', '$1', $string);

* 和其他量词在默认情况下是贪婪的，这就是为什么您会意外收缩带有多个字体标签的字符串；它只是匹配太多。您可以通过添加问号 (.*?) 使它们不贪婪，但其他因素仍然可能导致它们消耗的量超出您的预期。在这种情况下，最好使用更具体的表达式 ([^>]*)，它不能匹配超出它开始的标记。

除此之外，在您发布的代码中，您使用 {1} 而不是 $1 作为反向引用，并且括号外有量词 ({6})，因此您只能捕获最后一个数字，不是你想要的全部六个。该代码不应该返回您发布的结果，更不用说正确的结果了。

至于你更新的问题：

preg_replace('~\([^)]*#([0-9a-fA-F]{6})[^)]*\)~', '$1', $string);

【讨论】：

【解决方案2】：

RegEx 既方便又好用，但我会质疑您是否可以使用 RegEx 捕获所有案例。字符串中的标签等呢？

我编写了一些爬虫代码，最后只是逐个元素地解析整个文档。这是我发现使其可靠的唯一方法。

【讨论】：