如何在此preg_replace中忽略html标记。 我有搜索的foreach函数,所以如果有人搜索“apple span”,preg_replace也会对span和html断点应用span:
preg_replace("/($keyword)/i","<span class=\"search_hightlight\">$1</span>",$str);
提前致谢!
答案 0 :(得分:4)
我假设您应该基于DOMDocument和DOMXPath而不是使用正则表达式来创建函数。即使那些功能非常强大,您也会遇到类似于您所描述的问题,而这些问题并非(总是)通过正则表达式轻松而强大地解决。
一般的说法是:不要用正则表达式解析HTML。
记住这一点是一个很好的规则,尽管它与任何规则一样,并不总是适用,但值得一提的是。
XPath允许您查找仅包含文本中所有搜索词的所有文本,忽略所有XML元素。
然后你只需将这些文本包装到<span>
中就可以了。
编辑:最后一些代码;)
首先,它使用xpath
来查找包含搜索文本的元素。我的查询看起来像这样,这可能写得更好,我不是超级xpath pro:
'//*[contains(., "'.$search.'")]/*[FALSE = contains(., "'.$search.'")]/..'
$search
包含要搜索的文字,不包含任何"
(引用)字符(这会破坏它,请参阅Cleaning/sanitizing xpath attributes以获取解决方法你需要报价)。
此查询将返回包含文本节点的所有父节点,这些节点组合在一起将是一个包含搜索词的字符串。
因为这样的列表不容易按原样进行处理,所以我创建了一个TextRange
类来表示DOMText
个节点的列表。在文本节点列表上执行字符串操作非常有用,就好像它们是一个字符串一样。
这是例程的基础骨架:
$str = '...'; # some XML
$search = 'text that span';
printf("Searching for: (%d) '%s'\n", strlen($search), $search);
$doc = new DOMDocument;
$doc->loadXML($str);
$xp = new DOMXPath($doc);
$anchor = $doc->getElementsByTagName('body')->item(0);
if (!$anchor)
{
throw new Exception('Anchor element not found.');
}
// search elements that contain the search-text
$r = $xp->query('//*[contains(., "'.$search.'")]/*[FALSE = contains(., "'.$search.'")]/..', $anchor);
if (!$r)
{
throw new Exception('XPath failed.');
}
// process search results
foreach($r as $i => $node)
{
$textNodes = $xp->query('.//child::text()', $node);
// extract $search textnode ranges, create fitting nodes if necessary
$range = new TextRange($textNodes);
$ranges = array();
while(FALSE !== $start = strpos($range, $search))
{
$base = $range->split($start);
$range = $base->split(strlen($search));
$ranges[] = $base;
};
// wrap every each matching textnode
foreach($ranges as $range)
{
foreach($range->getNodes() as $node)
{
$span = $doc->createElement('span');
$span->setAttribute('class', 'search_hightlight');
$node = $node->parentNode->replaceChild($span, $node);
$span->appendChild($node);
}
}
}
对于我的示例XML:
<html>
<body>
This is some <span>text</span> that span across a page to search in.
and more text that span</body>
</html>
它产生以下结果:
<html>
<body>
This is some <span><span class="search_hightlight">text</span></span><span class="search_hightlight"> that span</span> across a page to search in.
and more <span class="search_hightlight">text that span</span></body>
</html>
这表明这甚至允许查找分布在多个标签上的文本。对于正则表达式来说,这并不容易。
您可以在此处找到完整的代码:http://codepad.viper-7.com/U4bxbe(包括我从答案示例中提取的TextRange
课程。)
由于该网站使用的旧版LIBXML版本,它在viper键盘上无法正常工作。它适用于我的LIBXML版本20707.我创建了一个关于此问题的相关问题:XPath query result order。
警告提示:此示例使用二进制字符串搜索(strpos
)以及使用DOMText::splitText
功能拆分文本节点的相关偏移量。这可能导致错误的偏移,因为函数需要UTF-8字符偏移。正确的方法是使用mb_strpos
获取基于UTF-8
的值。
该示例无论如何都有效,因为它仅使用US-ASCII
与示例数据具有相同的UTF-8
偏移量。
对于现实生活情况,$search
字符串应采用UTF-8编码,并且应使用mb_strpos
代替strpos
:
while(FALSE !== $start = mb_strpos($range, $search, 0, 'UTF-8'))