使用 preg 替换锚标记后删除空格

Question

我想在锚标记后放置一个空格，以便下一个单词与它分开。问题是有锚标记，之后有   字符，或者可能有另一个 html 标记打开。所以在这些情况下，我们不想输入space，因为它会打破我们的记录。

如果没有空格并且有一个单词，我只想在锚后放置空格。

现在我想出了正则表达式，我不确定它是否正是我想要的

 preg_replace("/\<\/a\>([^\s<&nbsp;])/", '</a> $1', $text, -1, $count);
 print "Number of occurence in type $type = $count \n";
 $this->count += $count;

在实际保存替换的字符串之前，我尝试查看出现次数。但它显示出更高的数量，我非常怀疑这是不可能的。

请帮我修复这个正则表达式。

场景：

<a href="blah.com">Hello</a>World // Here we need to put space between Hello and World

<a href="blah.com">Hello</a>&nbsp;World // Do not touch this

<a href="blah.com">Hello</a><b>World</b> // do not touch this

可能有很多情况需要忽略，但具体来说，我们需要执行第一个场景

Answer 1

正如@trincot 指出的那样，[^\s< ] 并不意味着 如果它不是空格或不间断空格。它是一个字符类，这些括号之间的内容仅表示单个字符。所以这意味着如果它不是space 或< 或& 或...

您需要检查下一个字符是否是表示[a-zA-Z0-9_] 的单词字符\w，然后考虑在使用的正向前瞻的零宽度断言处添加一个空格：

 preg_replace("~</a>\K(?=\w)~", ' ', $text, -1, $count);
 echo "Number of occurrences in type $type is $count \n";

这个正则表达式是什么意思？

</a>    # Match closing anchor tag
\K      # Reset match
(?=\w)  # Look if next character is a word character

更新：涵盖所有 HTML 问题案例的另一种解决方案：

preg_replace("~</a>\K(?!&nbsp;)~", '&nbsp;', $text, -1, $count);

这会在关闭锚标记后没有不间断空格时添加一个不间断空格。

Answer 2

您可能会发现，正则表达式解决方案迟早会证明是不够的。例如，它不会检测到在此 HTML sn-p 中显示的两个单词之间没有空格：

<a>test</a><span>hello</span>

还有许多其他情况，正则表达式解决方案很难检测到这样的相邻单词，因为 HTML 的呈现并不像看起来那么简单。

虽然您已经接受了一个解决方案，但我在此提供了一个解决方案，该解决方案使用 PHP 中可用的 DOMDocument 接口来检测链接文本会粘在它后面的文本的位置，即使它在 DOM 节点层次结构中与它远程分离：

function separateAnchors($html) {
    // Define a character sequence that 
    // will certainly not occur in your document,
    // and is interpreted as literal in regular expressions:
    $magicChar = "²³²"; 
    $doc = new DOMDocument();
    $doc->loadHTML($html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
    $xpath = new DOMXPath($doc);
    $anchors = $xpath->query("//a");
    foreach (array_reverse(iterator_to_array($anchors)) as $anchor) {
        $parent = $anchor->parentNode;
        $origAnchor = $anchor->cloneNode(true);
        // temporariy put the special text in the anchor
        $anchor->textContent = $magicChar;
        // and then take the document's text content
        $txt = $doc->textContent;
        // If that contains the special text with a non-space following it:
        if (preg_match("/{$magicChar}\S/u", $txt)) {
            // ... then add a single space node after it, after
            // any closing parent nodes
            $elem = $anchor;
            while (!$elem->nextSibling) $elem = $elem->parentNode;
            $elem->parentNode->insertBefore($doc->createTextNode(" "), 
                                            $elem->nextSibling);
        }
        // Put original anchor back in place
        $parent->replaceChild($origAnchor, $anchor);
    }
    return $doc->saveHTML();
}

// sample data
$html = "<p><a>first link</a>&nbsp;<a>second link</a>this word is too close</p>\n
         <table><tr><td><a>table cell</a></td></tr></table><span>end</span>\n
         <span><a>link</a></span><span><a>too close</a></span>";

// inject spaces
$html = separateAnchors($html);

// Show result
echo $html;

看到它在ideone.com 上运行

Answer 3

你可以使用：/(?<=<\/a>)(\w+)/g正则表达式

含义：找到关闭锚标记前面的单词并用空格替换它并首先捕获组引用（$1）

Demo and Meaning of each construct used