php - 正则表达式负前瞻/后视从查找和替换中排除 HTML

Question

我的网站上有一项功能，搜索结果中突出显示了搜索查询。但是，该站点搜索的某些字段中包含 HTML。例如，假设我的搜索结果由<span>Hello all</span>. 如果用户搜索 letter a，我希望代码返回而不是现在返回<span>Hello <mark>a</mark>all</span>的混乱。<sp<mark>a</mark>n>Hello <mark>a</mark>ll</sp<mark>a</mark>n>

我知道我可以使用否定的lookbehinds 和lookaheads inpreg_replace()来排除aa<和>. 但是我该怎么做呢？正则表达式是我的弱点之一，我似乎无法提出任何工作。

到目前为止，我得到的是：

$return = preg_replace("/(?<!\<[a-z\s]+?)$match(?!\>[a-z\s]+?)/i", '<mark>'.$match.'</mark>', $result);

但这似乎不起作用。有什么帮助吗？

Answer 1

如果您确实想使用正则表达式，则只需要一个简单的否定前瞻（假设格式良好的标记没有标签<或>标签之内或之间）

$return = preg_replace("/$match(?![^<>]*>)/i", '<mark>$0</mark>', $result);

任何特殊的正则表达式字符$match都需要正确转义。

Answer 2

使用正则表达式解析 HTML 等复杂语言被认为是不好的做法。有足够的技能和耐心，以及先进的正则表达式引擎，这可能是可能的，但潜在的陷阱是巨大的，性能不太可能很好。

更好的解决方案是使用 dom 解析器，例如 PHP 的内置DOMDocument类。

在这个相关的 SO question 的答案中可以找到一个很好的例子。

希望有帮助。