Question

我有一个相当长而复杂的HTML文档，我需要找到给定字符串的所有出现，例如“foobar”，除非它位于<a>和</a>锚标记之间。

问题是：它可能位于锚标记之间的某些文本中，例如

<a>this is a foobar test</a>

即使在这种情况下，我也应该不找到匹配。

我怎么能用正则表达式做到这一点？我会毫不费力地找到<a>foobar</a>等等 - 但是找到每个“foobar”除了，当它位于锚标签之间并被可能的许多其他文本包围时似乎有点棘手...... ...

任何想法??

解答：
我们最终使用这个正则表达式来解决这个问题 - 以防万一有人好奇，或者b）在同一个地方： - ）

(?<!\<A.*(?=\<\/A))Test(?!\<\/A.*(?=\<A))

Answer 1

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

在最简单的情况下适合我。它显然不能在a标记中包含其他标记。

Answer 2

你应该能够做出负向前瞻和背后的模式。这是一个很好的教程：

http://www.regular-expressions.info/lookaround.html

Answer 3

试试这个：

$str = 'foobar <a>this is a foobar <span>foobar</span> test</a> foobar';

$pattern = '<a(?:[^"\'>]+|"[^"]*"|\'[^\']*\')*>(?:[^<]+|(?!<\/a\s*>)<)*<\/a\s*>';
$parts = preg_split('/('.$pattern.')/', $str, -1, PREG_SPLIT_DELIM_CAPTURE);
$isLink = (bool) preg_match('/^'.$pattern.'$/', $parts[0]);
foreach ($parts as &$part) {
    if (!$isLink) {
        $part = str_replace('foobar', '!!!found!!!', $part);
    }
    $isLink = !$isLink;
}
$str = implode('', $parts);

echo htmlspecialchars($str);

正则表达式挑战 - 在HTML文档中找到“foobar”

3 个答案: