Question

我对正则表达式的体验不仅仅是介绍，所以这是一个挑战。也许一些数学/物理/有人可以弄清楚......

我们必须用<span class="tooltip"></span>包装某些单词/短语，以便显示跨度内容的相关工具提示。挑战在于如果它是另一个已经被包裹的短语的一部分，如何避免不包装两次单词。

示例：“使用Twitter Analyzer进行分析”。

Twitter和Twitter Analyzer都有工具提示，但只有Twitter Analyzer需要包含在上面。这是通过确保我们首先搜索最长的短语来实现的。

如果两个较短的短语已经被包裹在另一个跨度中，你如何阻止（仅使用正则表达式）两个短短语再次被包裹？

此外，Twitter和Twitter Analytics只是整个列表中的两个示例，因此它必须是通用的。

有什么想法吗？

Answer 1

现在，对于强制性，您无法使用正则表达式解析HTML 链接：RegEx match open tags except XHTML self-contained tags

Answer 2

我认为你最好的选择是匹配你正在寻找的单个短语，并且对于每个匹配，保存匹配开始时的字符串偏移量。构建偏移列表后，将偏移从最低到最高排序。对于列表中的每个偏移量，通过添加字符串长度来计算字符串的结束偏移量。如果列表中的任何后续项目的偏移量小于此新偏移量，请将其删除。如果列表中的两个偏移量相同，则取两个字符串中较长的一个并抛出另一个字符串。

在您给出的示例中，“Twitter Analyzer”的偏移量为4，“Twitter”的偏移量为4。为了演示，请说您对“Analyzer”感兴趣，其偏移量为12。是：

offset 4 - Twitter Analyzer - length 16
offset 4 - Twitter          - length 7
offset 12 - Analyzer        - length 8

因为有两个4，所以抛出一个长度较短的一个。然后将“twitter analyzer”的长度添加到其偏移量中以获得20.任何小于20但大于4的偏移都会被抛出。

要插入字符串，请保留开始和结束偏移列表，并从列表末尾开始。在结束偏移处插入“＆lt; / span＆gt;”并且在开始偏移时插入“＆lt; span class =”tooltip＆gt;“在字符串中向后移动直到到达前面。这样您就可以进行替换，而无需重新计算偏移量。

Answer 3

您不能仅使用正则表达式执行此操作。正则表达式不能匹配任意数量的平衡开始和结束标记（因为这不构成常规语言）。您需要自己执行计数。

Answer 4

如果您可以存储要以正则表单形式匹配的列表，则可以使用negative lookahead确保每个匹配都是不同的。您需要访问PCRE functions。一个例子：

$match = array('/Twitter(?! Analyzer)/', '/Twitter Analyzer/');
$replace = '<span class="tooltip">\0</span>';
$output = preg_replace($match, $replace, $input);

我可能不需要提及这会使您的匹配清单更加困难。

Answer 5

迈克尔提出了一个很好的建议，即使用负向前瞻。那么negative lookbehind呢？

然后你应该逃脱：

$match = '/(?<!\<span class="tooltip">)Twitter/';
$replace = '<span class="tooltip">\0</span>';
$output = preg_replace($match, $replace, $input);

我们不需要维护匹配列表，并且可以在我们浏览单词/短语列表时构建匹配项。不像是什么眼皮说，你会遇到像“Foo Bar”和“Bar Baz”这样的重叠问题。但是，您可以查询找到的匹配项，看看它们是否包含<span class="tooltip">或</span>。但不是100％准确。

PHP正则表达式挑战

5 个答案: