任何正则表达式替换这样的破坏的HTML属性？

Question

我正在使用PHP，并希望制作一些自动化功能，这些功能将取代像

这样的破坏的HTML属性

title="TV 40" is better"

与

title="TV 40" is better"

所以，我的问题是： 我如何正则表达式找到第二个双引号？

Answer 1

您可以使用此代替Regex

$value = "HTML CODE";
html_entities($value, ENT_QUOTES, 'UTF-8');

我希望这可以帮助你，如果我错了就纠正我。

Answer 2

我对你想要完成的事情感到有些困惑。也许一个更大的例子会有所帮助。

• 您是否有一个您编写的html文档，其中包含您要修复的错误？
• 您是否正在尝试编写一个可修复任何损坏的HTML的程序？

有关您问题背景的一些额外信息可能会有所帮助。

---

可能会询问许多个案，但在vim中这对我有用（对于您提供的示例）：

:%s/"\(.*\)"\(.*\)"/"\1\"\2"/g

它会改变这个：

title="TV 40" is better" title="TV 40" is better"

title="TV of 40 inch, spelled also as, 40" is better"

title="TV 40 is better"

对此：

title="TV 40" is better" title="TV 40" is better

title="TV of 40 inch, spelled also as, 40" is better

title="TV 40 is better"

然而，它会破坏这样的东西（已经有效）：

title="TV 40 is better" title="TV 40 is better"

我认为正如我之前提到的那样，给我们一些关于你要解决的问题的更多背景会有所帮助。

---

更一般地说，尝试用正则表达式解析html通常是一个坏主意。有太多东西可以变得怪异。除非你知道html将采用某种格式，否则我不会这样做。 HTML不是regular language，因此无法使用正则表达式进行解析。你能解决这个问题的唯一方法就是你知道关于html的一些特别之处。或者你只想在一个以预定方式格式化的html页面中找到非常具体的东西。

根据Jeff Attwod的说法，如果你试图用正则表达式解析html “你是在屈服于暗神Cthulhu的诅咒......呃......代码”。 See this page

This answer还提供了一些很好的例子，说明为什么用正则表达式解析html是个坏主意。