这个正则表达式的任何陷阱都与尚未编码的＆符号相匹配

Question

在PHP中，我想编码尚未编码的＆符号。我想出了这个正则表达式

/&(?=[^a])/

到目前为止似乎运作良好，但看到我不是一个正则表达式专家，我问这个正则表达式是否有任何潜在的陷阱？

基本上，它需要将&转换为&，但将&保留在&中（以便不&）

由于

更新

感谢您的回答。似乎我并没有思考足以涵盖所有基础。这似乎是正则表达式本身的一个常见陷阱（必须考虑所有可能使你的正则表达式得到误报的可能性）。它确实击败了原来的str_replace(' & ', ' & ', $string);：）

Answer 1

更好的是negative lookahead assertion来验证＆amp;没有后跟amp;

/&(?!amp;)/

虽然这会改变用于其他实体的任何＆符号。如果你可能有其他人，那么如何

/&(?!#?[a-zA-Z0-9]+;)/

这将查找一个符号，但断言它后面没有可选的哈希符号（对于数字实体），一系列字母数字和一个分号，它应覆盖named and numeric entities，如&quote;或ª

测试代码

$text="It’s 30 ° outside & very hot. T-shirt & shorts needed!";

$text=preg_replace('/&(?!#?[a-z0-9]+;)/', '&', $text);

echo "$text\n";

将输出

It’s 30 ° outside & very hot. T-shirt & shorts needed!

更容易被读作“外面30°，非常热。需要T恤和短裤！”

替代PHP 5.2.3 +

正如Ionut G. Stan所指出的，从PHP 5.2.3开始，你可以使用htmlspecialchars和第四个参数 false 来防止双重编码，例如

$text=htmlspecialchars($text,ENT_COMPAT,"UTF-8",false);

Answer 2

它将它应用于任何其他编码的字符。

Answer 3

如果您的PHP版本是＆gt; = 5.2.3，您可以使用htmlspecialchars函数的第四个参数。设置为false时，它不会转换现有实体。

Answer 4

在Perl中：

$content =~ s/&(?!\w+;)/&/g;

它使用了一个或多个单词字符的负向前瞻，意思是“一个＆符号后面没有一个或多个单词字符，并且紧跟着一个分号。虽然使用os快捷键\ w不像特定的那样安全这个特殊情况的char范围。更好的选择是：

$content =~ s/&(?![a-z]+;)/&/g;

只是你的数据中有一些大写的动物：

$content =~ s/&(?![a-zA-Z]+;)/&/g;

Answer 5

当您的文档中有其他实体时会发生什么？如果您正在谈论q＆amp; a会话会发生什么？

我会隔离＆符号而不是猜测上下文，然后在替换字符串中使用反向引用

/(\W)&(\W)/$1&$2/

Answer 6

如果字符'a'跟随＆符号但不是“amp;”，则会失败喜欢和＆amp;和＆amp; apple ...

及（？安培）