regex - 搜索和替换标签的文本内容

Question

我正在尝试专门在 a 标签的文本中填充 /。

1234/1234/ABCDE => 1234 / 1234 / ABCDE

在上下文中; 如果我有一个标签：

<a href="http://www.domain.com/path/to/page.html">12 34/1234A/BC DEFG</a>

我想得到：

<a href="http://www.domain.com/path/to/page.html">12 34 / 1234A / BC DEFG</a>

Answer 1

这并不是正则表达式擅长的事情。使用 HTML 或 XML 解析器可能会更好——它会从文档中创建一个节点树，然后您可以逐步遍历标签内的所有文本节点并根据需要添加空格。

Answer 2

这个正则表达式应该可以解决问题：

(\s*/\s*(?=[^<>]+<))

它只会替换'/'inside 标签而不是 URL。

在 C# 中：

 myHtml = Regex.Replace(myHtml, @"(\s*/\s*(?=[^<>]+<))", " / ");

在 Perl 中：

$myHtml =~ s!(\s*/\s*(?=[^<>]+<))! / !g;

在 JavaScript 中：

myHtml = myHtml.replace(/(\s*\/\s*(?=[^<>]+<))/g, " / ");

笔记：

在这些示例中，必须将整个文档加载到myHtml字符串中。
如果您一次只处理一行，那么如果标签内或标签对之间有换行符，它显然不起作用。

Answer 3

什么语言？在 Perl 中，尝试s/\// \/ /g.

Answer 4

我认为我们在这里缺乏一些背景。数据是 HTML、XML 还是只是带有标签的文本片段？

如果它是 HTML 或 XML，正如经常提到的那样，正则表达式是不安全的，除非您准确控制数据的格式，并且您知道您将始终控制它。然后你记录下来。

如果我是你，我会使用合适的解析器。如果你安装了 Perl 和 XML::Twig，下面的单行代码就可以了：

perl -MXML::Twig -e'XML::Twig->parse( keep_spaces => 1, "my_file.xml")->subs_text( "/", " / ")->print'

如果您正在处理没有注释和 CDATA 部分的格式良好的 XML，那么更有效的方法是使用 PYX（您需要安装 XML::PYX）：

pyx my_file.xml | perl -p -e's{/}{ / }g if m{-}' | pyxw

Answer 5

如果需要，您可以尝试使用正则表达式提取两个标签之间的文本，然后对其进行处理，然后重新插入它，但由于您的限制，此任务可能比单个正则表达式更复杂。

这是 Perl 中有效的东西（但不使用正则表达式）：

my (@a, $in_tag);
foreach(split //, $string) { # assuming $string holds our string
  $in_tag = 1 if $_ eq "<";
  $in_tag = 0 if $_ eq ">";
  if($_ eq "/" and not $in_tag) {
    push @a, " ", "/", " ";
  }
  else {
    push @a, $_;
  }
}
$string = join "", @a;

然而，这不是一个正则表达式，而是一个非常简单的解析器。