Question

我需要用一些其他字符串替换一对锚标记之间的字符串。更清楚：

<a blah blah>Click Here</a>

我想用<img src=... />标记替换'点击此处'。我读了几个其他的资源，努力学习Lars Olav Torvik的正则表达式工具，但是失败了！

请帮帮我！

Answer 1

不要使用正则表达式来解析HTML！

是的，一般来说，使用正则表达式解析HTML充满了危险。计算机科学家将正确地指出HTML不是 REGULAR 语言。然而，与许多人认为的相反，有些情况下使用正则表达式解决方案是完全有效和适当的。阅读Jeff Atwoods关于这个主题的博文：Parsing Html The Cthulhu Way。除了免责声明之外，让我们继续使用正则表达式解决方案...

重新陈述问题：

原来的问题很模糊。这是一个更精确的（可能根本不是OP所要求的）解释/重新制定问题：

鉴于：我们有一些HTML文字（HTML 4.01或XHTML 1.0）。此文本包含<A..>...</A>个锚元素。其中一些锚元素是指向图像文件资源的链接（即HREF属性指向以文件扩展名为JPEG，JPG，PNG或GIF）。这些到图像的链接中的一些是简单的文本链接，其中锚元素的内容是没有其他HTML元素的纯文本，例如， <a href="picture.jpg">Link text with no HTML tags</a>。

查找：是否有正则表达式解决方案将采用这些＆＃34;纯文本链接到图像资源文件＆＃34; 链接，并使用IMG属性设置为相同图像URI资源的SRC元素替换链接文本？以下（有效的HTML 4.01）示例输入有三个段落。第一段中的所有链接都要修改，但第二段和第三段中的所有链接都不得修改并按原样保留：

示例HTML输入：

<p title="Image links with plain text contents to be modified">
    This is a <a href="img1.png">LINK 1</a> simple anchor link to image.
    This <a title="<>" href="img2.jpg">LINK 2</a> has attributes before HREF.
    This <a href="img3.gif" title='<>'>LINK 3</a> has attributes after HREF.
</p>
<p title="NON-image links with plain text contents NOT to be modified">
    This is a <a href="tmp1.txt">LINK 1</a> simple anchor link to NON-image.
    This <a title="<>" href="tmp2.txt">LINK 2</a> has attributes before HREF.
    This <a href="tmp3.txt" title='<>'>LINK 3</a> has attributes after HREF.
</p>
<p title="Image links with NON-plain text contents NOT to be modified">
    This is a <a href="img1.png"><b>BOLD 1</b></a> anchor link to image.
    This is an <a href="img3.gif"><img src="img3.gif"/></a> image link to image.
</p>

所需的HTML输出：

<p title="Image links with plain text contents to be modified">
    This is a <a href="img1.png"><img src="img1.png" /></a> simple anchor link to image.
    This <a title="<>" href="img2.jpg"><img src="img2.jpg" /></a> has attributes before HREF.
    This <a href="img3.gif" title='<>'><img src="img3.gif" /></a> has attributes after HREF.
</p>
<p title="NON-image links with plain text contents NOT to be modified">
    This is a <a href="tmp1.txt">LINK 1</a> simple anchor link to NON-image.
    This <a title="<>" href="tmp2.txt">LINK 2</a> has attributes before HREF.
    This <a href="tmp3.txt" title='<>'>LINK 3</a> has attributes after HREF.
</p>
<p title="Image links with NON-plain text contents NOT to be modified">
    This is a <a href="img1.png"><b>BOLD 1</b></a> anchor link to image.
    This is an <a href="img3.gif"><img src="img3.gif"/></a> image link to image.
</p>

请注意，这些示例包括测试用例<A..>...</A>锚标记在所需的HREF属性之前和之后都有单引号和双引号属性值，并且包含cthulhu诱人，（但是完全有效的HTML 4.01），尖括号

另请注意，替换文本是一个（空）IMG标记，结尾于：'/>'（无效的HTML 4.01）。

正则表达式解决方案：

问题陈述定义了一个匹配的高度特定模式，具有以下要求：

<A..>...</A>开始标记可能在HREF属性之前和/或之后具有任意数量的属性。
HREF属性值的值必须以JPEG，JPG，PNG或GIF（不区分大小写）结尾。
<A..>...</A>元素的内容可能不包含任何其他HTML标记。
<A..>...</A>元素目标模式不是嵌套结构。

在处理这些高度特定的子字符串时，精心设计的正则表达式解决方案可以很好地工作（只有非常少的边缘情况可以将它绊倒）。这是一个经过测试的PHP函数，它可以很好地工作（并正确转换上面的示例输入）：

// Convert text-only contents of image links to IMG element.
function textLinksToIMG($text) {
    $re = '% # Match A element with image URL and text-only contents.
        (                     # Begin $1: A element start tag.
          <a                  # Start of A element start tag.
            (?:               # Zero or more attributes before HREF.
              \s+             # Whitespace required before attribute.
              (?!href\b)      # Match attributes other than HREF.
              [\w\-.:]+       # Attribute name (Non-HREF).
              (?:             # Attribute value is optional.
                \s*=\s*       # Attrib name and value separated by =.
                (?:           # Group for attrib value alternatives.
                  "[^"]*"     # Either double quoted,
                | \'[^\']*\'  # or single quoted,
                | [\w\-.:]+   # or unquoted value.
                )             # End group of value alternatives.
              )?              # Attribute value is optional.
            )*                # Zero or more attributes before HREF.
            \s+               # Whitespace required before attribute.
            href\s*=\s*       # HREF attribute name.
            (?|               # Branch reset group for $2: HREF value.
              "([^"]*)"       # Either $2.1: double quoted,
            | \'([^\']*)\'    # or $2.2: single quoted,
            | ([\w\-.:]+)     # or $2.3: unquoted value.
            )                 # End group of HREF value alternatives.
            (?<=              # Look behind to assert HREF value was...
              jpeg[\'"]       # either JPEG,
            | jpg[\'"]        # or JPG,
            | png[\'"]        # or PNG,
            | gif[\'"]        # or GIF,
            )                 # End look behind assertion.
            (?:               # Zero or more attributes after HREF.
              \s+             # Whitespace required before attribute.
              [\w\-.:]+       # Attribute name.
              (?:             # Attribute value is optional.
                \s*=\s*       # Attrib name and value separated by =.
                (?:           # Group for attrib value alternatives.
                  "[^"]*"     # Either double quoted,
                | \'[^\']*\'  # or single quoted,
                | [\w\-.:]+   # or unquoted value.
                )             # End group of value alternatives.
              )?              # Attribute value is optional.
            )*                # Zero or more attributes after HREF.
          \s*                 # Allow whitespace before closing >
          >                   # End of A element start tag.
        )                     # End $1: A element start tag.
        ([^<>]*)              # $3: A element contents (text-only).
        (</a\s*>)             # $4: A element end tag.
        %ix';
    return preg_replace($re, '$1<img src="$2" />$4', $text);
}

是的，这个解决方案中的正则表达式很长，但这主要是由于广泛的评论，这也使它高度可读。它还正确处理可能包含尖括号的引用属性值。是的，肯定有可能创建一些破坏这个解决方案的HTML标记，但是这样做所需的代码会让人费解，几乎闻所未闻。

Answer 2

你不应该使用正则表达式来解析HTML。 HTML不是常规语言，因此无法使用正则表达式正确解析。无论你填入正则表达式有多少东西，它都可以被愚弄。例如，考虑<a href=">Hello</a>">Hello</a>。

无论您使用何种语言，几乎可以肯定有一个HTML解析库可以实现这一目标，并以正确的方式完成。

Obligatory

Answer 3

如果您熟悉JQuery，可以通过以下方式轻松完成：

以下是示例场景的HTML代码：

<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<title>Untitled Document</title>

<script src="http://code.jquery.com/jquery-latest.js"></script>
<script>
$(function(){
    $("#testAnchor").html(" This is replaced image! <img src='http://www.google.com/logos/2011/newyearseve-2011-hp.jpg' />");


});
</script>
</head>

<body>

<a href="#"  id="testAnchor"> Click Here! </a>



</body>
</html>

请注意“点击此处！”在运行时期间，将替换为图像和文本。您可以注释掉以下行，查看页面而不替换“点击此处！”

// $("#testAnchor").html(" This is replaced image! <img src='http://www.google.com/logos/2011/newyearseve-2011-hp.jpg' />");

Answer 4

如果你真的想在这里使用正则表达式，那就是模式<a[^>]*>(.*?)</a>
JavaScript代码。

var myrRegexp = /<a[^>]*>(.*?)<\/a>/i,
    subjectString = '<a blah blah>Click Here</a>',
    match = myrRegexp.exec(subjectString);
if (match != null && match.length > 1) {
    return match[1];
} else {
    return  = "";
}

C＃代码

string ResultString = "";
Regex RegexObj = new Regex("<a[^>]*>(.*?)</a>", RegexOptions.IgnoreCase);
ResultString = RegexObj.Match(SubjectString).Groups[1].Value;

PHP

if (preg_match('/<a[^>]*>(.*?)<\/a>/', '<a blah blah>Click Here</a>')) {

} else {

}

用其他字符串替换打开和关闭锚标记之间的字符串

4 个答案:

不要使用正则表达式来解析HTML！

重新陈述问题：

示例HTML输入：

所需的HTML输出：

正则表达式解决方案：