忽略preg_replace中的html标签

赫连泰宁

2023-03-14

问题内容：

如何忽略此preg_replace中的 html标签
。我有一个foreach函数来进行搜索，因此，如果有人搜索“苹果范围”，则preg_replace也会将范围应用于范围，并且html会中断：

preg_replace("/($keyword)/i","<span class=\"search_hightlight\">$1</span>",$str);

提前致谢！

问题答案：

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，您也会遇到像您描述的问题那样的问题，这些问题不是（总是）很容易且不易用正则表达式解决的。

俗话说：不要用正则表达式解析HTML。

记住这是一个好规则，尽管与任何规则一样，它并不总是适用，值得对此下定决心。

XPath允许您查找所有仅包含文本中搜索词的文本，而忽略所有XML元素。

然后，您只需要将这些文本包装到中<span>就可以了。

编辑： 最后一些代码;）

首先，它利用xpath来定位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专业人士：

'//*[contains(., "'.$search.'")]/*[FALSE = contains(., "'.$search.'")]/..'

$search包含要搜索的文本，不
包含任何"（双引号）字符（这会破坏它，如果需要引号。

该查询将返回所有包含textnode的父级，这些node在一起将是一个包含您搜索词的字符串。

由于这样的列表不容易按原样进行进一步处理，因此我创建了一个TextRange表示DOMText节点列表的类。对textnode列表进行字符串操作就像将它们当作一个字符串一样有用。

这是例程的基本框架：

$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中的文本。使用正则表达式根本不是那么容易。

您可以在此处找到完整的代码：（包括TextRange我从答案示例中摘录的类）。

由于该站点正在使用较旧的LIBXML版本，因此无法在viper键盘上正常工作。它对于我的LIBXML版本20707正常工作。我创建了一个与此问题相关的问题：XPath查询结果顺序。

警告提示：
本示例使用二进制字符串搜索（strpos）和相关的偏移量，使用DOMText::splitText函数来分割文本节点。这可能导致错误的偏移量，因为函数需要UTF-8字符偏移量。正确的方法是用于mb_strpos获取UTF-8基础值。

该示例仍然有效，因为仅使用与示例数据US-ASCII具有相同偏移量UTF-8的示例。

对于现实生活中的情况，该$search字符串应采用UTF-8编码，而mb_strpos不应使用strpos：

 while(FALSE !== $start = mb_strpos($range, $search, 0, 'UTF-8'))

忽略preg_replace中的html标签

相关阅读

相关文章

相关问答

相关工具

相关文档