regex - 正则表达式用链接替换单词

Question

我想写一个正则表达式，用链接替换巴黎这个词，因为只有这个词还没有准备好成为链接的一部分。

例子:

    i'm living <a href="Paris" atl="Paris link">in Paris</a>, near Paris <a href="gare">Gare du Nord</a>,  i love Paris.

会成为

    i'm living.........near <a href="">Paris</a>..........i love <a href="">Paris</a>.

Answer 1

这是很难一步完成的。编写一个正则表达式来做到这一点几乎是不可能的。

尝试两步法。

在每个“巴黎”周围放置一个链接，无论是否已经存在另一个链接。

找到所有错误嵌套的链接 ( <a href="..."><a href="...">Paris</a></a> )，并消除内部链接。

第一步的正则表达式非常简单:

\bParis\b

第二步的正则表达式稍微复杂一些:

(<a[^>]+>.*?(?!:</a>))<a[^>]+>(Paris)</a>

在整个字符串上使用那个，并用匹配组 1 和 2 的内容替换它，有效地去除多余的内部链接。

用简单的话解释正则表达式 #2:

查找每个链接( <a[^>]+> )，可选择后跟任何不属于其本身的链接( .*?(?!:</a>) )。将其保存到比赛组 1。

现在寻找下一个链接( <a[^>]+> )。确保它在那里，但不要保存它。

现在寻找“巴黎”这个词。将其保存到比赛组 2。

寻找关闭链接 ( </a> )。确保它在那里，但不要保存它。

将所有内容替换为第 1 组和第 2 组的内容，从而丢失您未保存的所有内容。

该方法假设这些附带条件:

您的输入 HTML 并没有严重损坏。

您的正则表达式风格支持非贪婪量词 (.*?) 和零宽度负前瞻断言 ( (?!:...) )。

在步骤 1 中，您仅将“Paris”一词包裹在链接中，没有附加字符。每个“Paris ”变成“<a href"...">Paris</a> ”，否则第二步将失败(直到您更改第二个正则表达式)。

顺便说一句:regex #2 明确允许这样的构造:
<a href="">in the <b>capital of France</b>, <a href="">Paris</a></a>
多余的链接来自第一步，第二步的替换结果为:
<a href="">in the <b>capital of France</b>, Paris</a>