使用 preg replace 删除锚标记后的空格

Question

我想在锚标记后放置一个 space，以便下一个单词与其分开。问题是锚标签后面有   个字符，或者可能还有另一个 html 标签开头。所以在那些情况下我们不想放 space 因为它会打破我们的记录。

我只想把space放在anchor后面，如果没有space而且有一个词。

现在我想出了正则表达式，我不确定这正是我想要的

 preg_replace("/\<\/a\>([^\s<&nbsp;])/", '</a> ', $text, -1, $count);
 print "Number of occurence in type $type = $count \n";
 $this->count += $count;

在实际保存替换字符串之前，我试图查看出现次数。但它显示出更高的数量，我非常怀疑这不可能。

请帮我修正这个正则表达式。

场景：

<a href="blah.com">Hello</a>World // Here we need to put space between Hello and World

<a href="blah.com">Hello</a>&nbsp;World // Do not touch this

<a href="blah.com">Hello</a><b>World</b> // do not touch this

可能有很多情况需要忽略，但具体来说我们需要执行第一个场景

Answer 1

正如@trincot 指出的那样，[^\s< ] 并不意味着 如果它不是 space 或不间断的 space。这是一个字符 class ，括号之间的任何内容都只有一个字符的平均值。所以这意味着 如果它不是 space 或 < 或 & 或...

您需要检查下一个字符是否是表示 [a-zA-Z0-9_] 的单词字符 \w，然后考虑添加一个 space 在零宽度断言中使用的正向前看：

 preg_replace("~</a>\K(?=\w)~", ' ', $text, -1, $count);
 echo "Number of occurrences in type $type is $count \n";

这个 RegEx 是什么意思？

</a>    # Match closing anchor tag
\K      # Reset match
(?=\w)  # Look if next character is a word character

更新：涵盖所有HTML问题案例的另一种解决方案：

preg_replace("~</a>\K(?!&nbsp;)~", '&nbsp;', $text, -1, $count);

当关闭锚标签后没有不间断space时，这会添加一个不间断space。

Answer 2

您可以使用：/(?<=<\/a>)(\w+)/g 正则表达式

含义：找到以结束锚标签为前缀的单词并替换为space和第一个捕获组引用($1)

Demo and Meaning of each construct used

Answer 3

您可能会发现，正则表达式解决方案迟早会被证明是不够的。例如，它不会检测到在这个 HTML 片段中显示的两个单词之间没有白色 space：

<a>test</a><span>hello</span>

在许多其他情况下，正则表达式解决方案很难像这样检测相邻的词，因为 HTML 的呈现并不像看起来那么简单。

虽然您已经接受了一个解决方案，但我在此提供一个解决方案，该解决方案使用 PHP 中可用的 DOMDocument 界面来检测 link 文本在何处会粘附在后面的文本上它，即使它在 DOM 节点层次结构中与它远程分离：

function separateAnchors($html) {
    // Define a character sequence that 
    // will certainly not occur in your document,
    // and is interpreted as literal in regular expressions:
    $magicChar = "²³²"; 
    $doc = new DOMDocument();
    $doc->loadHTML($html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
    $xpath = new DOMXPath($doc);
    $anchors = $xpath->query("//a");
    foreach (array_reverse(iterator_to_array($anchors)) as $anchor) {
        $parent = $anchor->parentNode;
        $origAnchor = $anchor->cloneNode(true);
        // temporariy put the special text in the anchor
        $anchor->textContent = $magicChar;
        // and then take the document's text content
        $txt = $doc->textContent;
        // If that contains the special text with a non-space following it:
        if (preg_match("/{$magicChar}\S/u", $txt)) {
            // ... then add a single space node after it, after
            // any closing parent nodes
            $elem = $anchor;
            while (!$elem->nextSibling) $elem = $elem->parentNode;
            $elem->parentNode->insertBefore($doc->createTextNode(" "), 
                                            $elem->nextSibling);
        }
        // Put original anchor back in place
        $parent->replaceChild($origAnchor, $anchor);
    }
    return $doc->saveHTML();
}

// sample data
$html = "<p><a>first link</a>&nbsp;<a>second link</a>this word is too close</p>\n
         <table><tr><td><a>table cell</a></td></tr></table><span>end</span>\n
         <span><a>link</a></span><span><a>too close</a></span>";

// inject spaces
$html = separateAnchors($html);

// Show result
echo $html;

在 ideone.com

上查看运行

使用 preg replace 删除锚标记后的空格

Removing spaces after anchor tag with preg replace

php

regex

preg-replace

html-parsing