求一个正则，替换 keyword 且忽略在 html 标签中的内容

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 955 天前的主题，其中的信息可能已经有所发展或是发生改变。

文本 = 123123<span class="type2">123123</span>123<a href="/123" title="123">123123</a>123
结果 = 1[2]31[2]3<span class="type2">1[2]3123</span>1[2]3<a href="/123" title="123">1[2]3123</a>1[2]3
即在 html 标签中的不可以被替换，非 html 标签的则替换为\[\\1]即可，PHP 的 preg_replace ，不过正则应该通用的

8 条回复 • 2022-03-31 23:23:06 +08:00

moen

2022-03-30 22:34:19 +08:00

应当明白一个常识——正则表达式不是万能的，它不能匹配 HTML

这个需求最简单的方式是找个 HTML 解析工具得到 DOM 然后直接修改其每个 innerText

kaiki

2022-03-30 22:46:22 +08:00

@moen 我的确应该把整个文本拆分，然后根据情况替换，我试试吧。

oneisall8955

2022-03-31 06:26:49 +08:00 via Android

解析 dom ，看看有没有类似 jquery contains ？

BreadKiller

2022-03-31 09:54:36 +08:00

以你的需求还是建议你解析 DOM 操作比较好

kaiki

2022-03-31 11:20:32 +08:00

@BreadKiller 其实实际使用场景应该只需要过滤 class 、href 、title 即可，感觉只针对这三个来做就行，但是它们得在 html 标签中才需要过滤掉。
我基本没写过正则写出来的都不行

Pipecraft

2022-03-31 16:39:13 +08:00

@kaiki #5 非 html 标签的内容，把什么替换为什么？"2" 替换为 "[2]"? 例子好像不太对。
下面是 JS 的正则，PHP 也可用。

```
/((<[^>]+>)*[^<>]*?)(关键字)/gim
替换为
$1[$3]
```

kaiki

2022-03-31 18:00:12 +08:00

@Pipecraft 试了一下没有成功，可能 PHP 里存在一些问题吧，并且 php 的 preg_replace 没有 g 。
我用 php 自己写了一个
```
function keyword($dat,$keyword){
$len = strlen($dat);
$st = -1; //开始
$ishtml = false;
$html = '';
for($i = 0;$i < $len;$i++){
$s = substr($dat,$i,1);//当前字符
if(ord($s) == 60){ //<
if(!$ishtml && $i > 0 && $st + 1 < $i){//在遇到 html 标签开始符号时，进行一次截断，并处理 keyword
$html .= self::keyword_replace(substr($dat,$st + 1,$i - $st - 1),$keyword);
}
$st = $i;
$ishtml = true;
}
if(ord($s) == 62){ //>
if($st != -1){//在遇到 html 标签结束符号时，进行一次截断
$html .= substr($dat,$st,$i - $st + 1);
$ishtml = false;
$st = $i;
}
}
if(!$ishtml && $i +1 == $len){//在文本的最后一个字符时，进行一次截断，并处理 keyword
$html .= self::keyword_replace(substr($dat,$st + 1,$i - $st),$keyword);
}
}
return $html;
}
```

Pipecraft

2022-03-31 23:23:06 +08:00

@kaiki #7 PHP 也可以，去掉 g 参数即可。
```
preg_replace("/((<[^>]+>)*[^<>]*?)(关键字)/im", "$1[$3]", $str);
```