正则表达式在 <a> 之前添加 <span> 标签

Question

我需要编写一个工具来在任何之前添加一个标签

Test string points to <p><a href="http://www.acdevents.com/au2005/">Acd Event</a> with an image <a href="http://www.acdevents.com"><img src="image.jpg"></a>

这个需要改成

Test string points to <p><span class="test_class"><a href="http://www.acdevents.com/au2005/">Acd Event</a></span> with an image <a href="http://www.acdevents.com"><img src="image.jpg"></a>

如您所见，仅当 url 指向物理页面而不是图像时才需要添加标签。

我打算使用正则表达式来实现这一点，但到目前为止没有任何运气。

对此的任何指针都会受到高度重视。

-谢谢

Answer 1

将我的评论变成答案，正则表达式不是适合这项工作的工具。我建议使用解析器，例如 John Cowan 的 'TagSoup' 来编写一些代码来过滤 HTML。如果您更喜欢类似 DOM 而不是类似 SAX 的东西，可以使用 NekoHTML。

如果您绝对确定要走正则表达式路线并且您正在使用 PCRE 或其他支持前瞻的正则表达式引擎，您可以使用断言，因此这个正则表达式可能会为您完成这项工作：

s.replaceAll("<a[^>]*?>(?!<img.*)(.+?)</a>", "<span class=\"test_class\">$0</span>");

我还没有测试过，但要点是正确的。重要的是(?!<img.*)，它断言您不想匹配<img，然后是该位置的任何内容。这可能对你有用，但我仍然认为一点解析是最好的方法。

Answer 2

如果你在页面上有一个像 jQuery 这样的库，你可以这样做：

$("a").wrap("<span class='test_class' />");

或者，如果您需要先对 URL 进行一些检查：

$("a").each(function(){ 
    var element = $(this);
    var href = element.attr("href");
    if (href.indexOf("http://someUrl") > -1){ 
        element..wrap("<span class='test_class' />");
    }
});

如果你没有 jQuery，你可以这样做：

var elements = document.body.getElementsByTagName("a");
for (var i = 0; i < elements.length; i++) {
    var element = elements[i];
    var clone = element.cloneNode(true);
    var parent = element.parentNode;

    var span = document.createElement("span");
    span.setAttribute("class", "test_class");
    span.appendChild(clone);
    parent.replaceChild(span, element); 
}

您可以使用 Document 接口在 Java 中做一些非常相似的事情：

DocumentBuilder builder = DocumentBuilderFactory.newDocumentBuilder();
Document doc = builder.parse(yourJavaHtmlString);
NodeList nodes = doc.getElementsByTagName("a");
for (int i = 0; i < nodes.getLength(); i++) {
    Element element = (Element) nodes.item(i);
    String href = element.getAttribute("href");
    if (!href.equals("http://www.acdevents.com")) {
        Element clone = element.cloneNode(true);
        Element parent = element.getParentNode();

        Element span = doc.createElement("span");
        span.setAttribute("class", "test_class");
        span.appendChild(clone);
        parent.replaceChild(span, element);
    }
}