仅在链接中替换模式

Question

我有一个这样的字符串：

Google is a <a href="http://hi.hi?xxx&yyy&zzz">web&amp;search engine</a>.

我希望仅在链接中将&替换为&，根据W3C验证器的需要：

Google is a <a href="http://hi.hi?xxx&amp;yyy&amp;zzz">web&amp;search engine</a>.

你能建议一个正则表达式吗？谢谢！

Answer 1

官方正确的答案是你不应该使用正则表达式来解析HTML。相反，看看HTML解析库。这个问题涵盖了您的选择：

How do you parse and process HTML/XML in PHP?

我建议采用这种方法。使用DOM之类的工具解析HTML后，您可以使用简单的正则表达式在链接中执行替换。如果你遇到麻烦，人们会很乐意提供帮助。

如果您确实坚持使用正则表达式（并且在HTML内容受您控制的某些有限情况下可以正常）只搜索此站点，您会发现大量问题，其中人们展示如何这样做。

Answer 2

正如dan1111所指出的那样，正则数据最多只是一个脆弱的工具。接下来的问题是你需要可变长度的lookbehind断言来达到某种程度的可靠性，让我感到舒服。

也就是说，以下情况可能适合您 - 尝试一下您之前备份的一些数据：

$result = preg_replace('/&(?=[^<>]*>)/', '&amp;', $subject);

仅当下一个尖括号是结束尖括号时，才会替换&。

Answer 3

你可以使用前瞻和后视。

&(?<=\<a\s(href).*)(?=.*\"\>)

这样做的目的是查找前面带有&的所有< href和任何字符，以及后面跟">和{}的所有字符。当我在RegexHero上进行测试时，它只选择了链接中的&。