用于词汇表替换的正则表达式

Question

我正在编写词汇表模块 - 它必须在文本中找到已知单词并用链接替换它。如果是链接 ancor (<a href="...">word</a>) 或属性 (<span class="word">...</span>)，则不能替换 word。

我已经写了代码：

$x = '<div>DVB-S2. DVB-S. DVB-S2DVB-S <sss DVB-S2 /> DVB-S2 <a href="dd">DVB-S2</a> DVB-S2 Hot bird 6/Hot Bird 8/Hot bird 9, 13.0</div>';

$word = 'Hot Bird 8';
$x = preg_replace("'(?<=[\s\>])(" . $word . ")(?=[^\d\w\-])(?!([^<]+)?>)'is", "<a href=\"s2\">$1</a>", $x);

$word = 'DVB-S2';
$x = preg_replace("'(?<=[\s\>])(" . $word . ")(?=[^\d\w\-])(?!([^<]+)?>)'is", "<a href=\"s2\">$1</a>", $x);

echo $x;

但它会将<a href="dd">DVB-S2</a> 替换为<a href="dd"><a href="s2">DVB-S2</a></a>。

我该如何解决？

Answer 1

这就是我得到的，我希望它有效

   echo preg_replace("@((?!<a\s*[^<>]*>.*?))($word)((?!</a>.))@i",'$1<a href="">$2</a>$3',$html) . chr(10);

哪个会输出

<div><a href="">DVB-S2</a>. DVB-S. <a href="">DVB-S2</a>DVB-S <sss <a href="">DVB-S2</a> /> <a href="">DVB-S2</a> <a href="dd">DVB-S2</a> <a href="">DVB-S2</a> Hot bird 6/Hot Bird 8/Hot bird 9, 13.0</div>

Answer 2

你需要把它分解成三个规则：

1. 单词两边由非单词字符或 BO[SL]/EO[SL] 分隔。
2. 单词不在 之间。
3. 单词不在和之间。

我们需要对规则 (1) 进行积极的前瞻和后瞻：

(?<=^|\W)word(?=\W|$)

\W 捕获非单词字符，因此除了字母、数字和下划线之外的任何字符。这与您的版本不完全相同，但您可以根据需要进行调整。 \b 也可能是一个不错的选择，在这种情况下，您不需要插入符号和美元符号。

现在，为规则 (2) 添加一个否定的后视：

(?<!<[^>]*)(?<=^|\W)(DVB-S2)(?=\W|$)

当单词前面有 < 和任何非> 字符时，即当它位于任何 HTML 标记的中间时，这会阻止匹配。

现在，为规则 (3) 添加负前瞻：

(?<!<[^>]*)(?<=^|\W)(DVB-S2)(?=\W|$)(?!</a>)

当单词 立即 后跟 </a> 时，这会阻止匹配。这不是一个完美的解决方案，因为该单词可能不是链接文本的唯一部分，但它可能与您的情况足够接近，并且它通过了您的测试用例。在单个表达式中可能有比这更精确的方法，但目前没有想到。

以上所有内容都是用 .NET 方言正则表达式编写的，我假设 PHP 足够相似，可以为您工作。