正则表达式匹配字符串中的单词或短语，但如果是 URL 的一部分或在 <a> </a> 标记内则不匹配。 (php)答案

【问题标题】：Regex to match words or phrases in string but NOT match if part of a URL or inside <a> </a> tags. (php)正则表达式匹配字符串中的单词或短语，但如果是 URL 的一部分或在 <a> </a> 标记内则不匹配。 (php)
【发布时间】：2011-05-15 15:43:59
【问题描述】：

我知道正则表达式不适合与 HTML 字符串一起使用，我已经查看了 PHP Simple HTML DOM Parser，但仍然相信这是要走的路。所有的 HTML 标签都将由我的论坛软件生成，因此它们将是一致且有效的 HTML。

我想做的是制作一个插件，它会在 HTML 字符串中找到关键字（或短语）列表，并用我指定的链接替换它们。例如，如果有人键入：

I use Amazon for that.

它将替换为：

I use <a href="http://www.amazon.com">Amazon</a> for that.

问题当然是如果 URL 中有“amazon”，它也会被替换。我用这个网站上的回调函数解决了这个问题，稍作修改。

但现在我还有一个问题，它仍然会替换开始和结束标签之间的单词。

<a href="http://www.amazon.com">My Amazon Link</a>

它将匹配“我的亚马逊链接”中的“亚马逊”

我真正需要的是一个正则表达式，可以匹配除<a href 和</a> 之外的任何地方的“amazon”

有什么想法吗？

【问题讨论】：

搜索一下这个问题已经被回答了无数次
fwiw 我进行了搜索，并查看了我输入主题时收到的每条建议。我可能措辞不佳，但我搜索了 2 天。
只是一个后续。在测试中，我发现如果有人将图像标签包含到亚马逊资源中，它也会尝试将标签内的单词转换为链接。我也修改了正则表达式以忽略标记（以及 XHTML 图像标记，实际上是所有 XHTML 标记）： (?![^|" />))

标签： php html regex preg-replace

【解决方案1】：

不要这样做。无论您的 HTML 有多一致，您都无法使用 Regex 可靠地做到这一点。

然而，这样的事情应该可以工作：

<?php
$dom = new DOMDocument;
$dom->load('test.xml');
$x = new DOMXPath($dom);

$nodes = $x->query("//text()[contains(., 'Amazon')][not(ancestor::a)]");

foreach ($nodes as $node) {
    while (false !== strpos($node->nodeValue, 'Amazon')) {
        $word = $node->splitText(strpos($node->nodeValue, 'Amazon'));
        $after = $word->splitText(6);

        $link = $dom->createElement('a');
        $link->setAttribute('href', 'http://www.amazon.com');

        $word->parentNode->replaceChild($link, $word);
        $link->appendChild($word);

        $node = $after;
    }
}

$html = $dom->saveHTML();
echo $html;

这很冗长，但它确实有效。

【讨论】：

当我有时间我会玩这个来学习 DOM。我实际上是在使用字符串数组代替“Amazon”，所以我更倾向于使用我知道会起作用的正则表达式函数。但是谢谢你的时间，它不会浪费的。 :)
是的，这是一个更好的解决方案，但像 Joe D. 一样，我需要匹配一组关键字（目前正在使用管道内爆到正则表达式中）。所以上面的正则表达式解决方案目前正在解决，但我很想知道是否有办法用 DOM 方法做到这一点。
@KevinCogill 是的——这很容易实现。您必须遍历所有文本节点，而不仅仅是包含Amazon 的节点，并更改while 循环以检查不止一件事。这应该不会太难。

【解决方案2】：

使用 DOM 肯定会更好。

但是，您可能会侥幸逃脱：

$result = preg_replace('%Amazon(?![^<]*</a>)%i', '<a href="http://www.amazon.com">Amazon</a>', $subject);

仅当

匹配 Amazon

后面没有结束</a>标签，
它本身不是标签的一部分，
没有中间标签，即。 e.如果标签可以嵌套在<a> 标签中，它将被丢弃。

因此会改变这一点：

I use Amazon for that.
I use <a href="http://www.amazon.com">Amazon</a> for that.
<a href="http://www.amazon.com">My Amazon Link</a>
It will match the "Amazon" in "My Amazon Link"

进入这个：

I use <a href="http://www.amazon.com">Amazon</a> for that.
I use <a href="http://www.amazon.com">Amazon</a> for that.
<a href="http://www.amazon.com">My Amazon Link</a>
It will match the "<a href="http://www.amazon.com">Amazon</a>" in "My <a href="http://www.amazon.com">Amazon</a> Link"

【讨论】：

这实际上对我来说非常有效。非常感谢。我确实希望尽快学习 DOM，但我很确定我现在可以使用正则表达式“逃脱”。也感谢其他所有人。 @anubhava 我先尝试了你的代码，但它仍然会干扰现有的标签。

【解决方案3】：

Joe，重新提出这个问题，因为它有一个未提及的简单解决方案。（在对有关how to exclude patterns in regex 的一般问题进行一些研究时发现了您的问题。）

关于使用正则表达式解析 html 的所有免责声明，这里有一个简单的方法。

这是我们的简单正则表达式：

<a.*?</a>(*SKIP)(*F)|amazon

交替的左侧匹配完整的<a... </a> 标签，然后故意失败。右边匹配amazon，我们知道这是右边的amazon，因为它没有被左边的表达式匹配。

这个程序展示了如何使用正则表达式（见online demo底部的结果）：

<?php
$target = "word1 <a stuff amazon> </a> word2 amazon";
$regex = "~(?i)<a.*?</a>(*SKIP)(*F)|amazon~";
$repl= '<a href="http://www.amazon.com">Amazon</a>';
$new=preg_replace($regex,$repl,$target);
echo htmlentities($new);

参考

How to match (or replace) a pattern except in situations s1, s2, s3...

【讨论】：

【解决方案4】：

在这里试试

Amazon(?![^<]*</a>)

这将搜索亚马逊，负前瞻确保后面没有结束标签。而且我只在那里搜索不是<，这样我就不会意外读取开始标签。

http://regexr.com

【讨论】：

【解决方案5】：

不幸的是，我认为您需要的逻辑仍然比文本模式匹配更复杂：-/

我知道这不是您想听到的答案，但使用 DOM 模型可能会得到更好的结果。

这是其他地方对此主题的讨论：http://coderzone.org/forum/index.php?topic=84.0

是否可以只运行一次过滤器，这样您就不会受到欺骗？还是原始语料库也可以包含链接？

【讨论】：

【解决方案6】：

使用此代码：

$p = '~((<a\s)(?(2)[^>]*?>))?(amazon)~smi';

$str = '<a href="http://www.amazon.com">Amazon</a>';

$s = preg_replace($p, "$1My $3 Link", $str);
var_dump($s);

输出

String(50) "<a href="http://www.amazon.com">My Amazon Link</a>"

【讨论】：

【解决方案7】：

即兴创作。只有当它是一个完整的单词“Amazon”而不是像 AmazonWorld 这样的单词时，它才应该链接。

$result = preg_replace('%\bAmazon(?![^<]*</a>)\b%i', '<a href="http://www.amazon.com">Amazon</a>', $subject);

【讨论】：