如何在此 preg_replace 中忽略 html 标签。 我有一个用于搜索的 foreach 函数,所以如果有人搜索“apple span”,preg_replace 也会对 span 和 html 中断应用一个 span:
preg_replace("/($keyword)/i","<span class=\"search_hightlight\">$1</span>",$str);
提前致谢!
最佳答案
我假设您应该基于 DOMDocument 和 DOMXPath 创建您的函数,而不是使用正则表达式。即使这些功能非常强大,您也会遇到您所描述的问题,这些问题并不(总是)容易且稳健地用正则表达式解决。
一般的说法是:不要用正则表达式解析 HTML。
这是一个值得牢记的好规则,尽管与任何规则一样,它并不总是适用,但值得您下定决心。
XPath 允许您仅在文本中查找包含搜索词的所有文本,而忽略所有 XML 元素。
然后您只需将这些文本包装到 <span>
中即可。
编辑: 最后是一些代码;)
首先,它使用 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 super xpath 专家:
'//*[contains(., "'.$search.'")]/*[FALSE = contains(., "'.$search.'")]/..'
$search
包含要搜索的文本,不 包含任何 "
(引号)字符(这会破坏它,如果您需要引号,请参阅 Cleaning/sanitizing xpath attributes 以获得解决方法)。
此查询将返回所有包含文本节点的父项,这些文本节点放在一起将是一个包含您的搜索词的字符串。
由于这样的列表不容易按原样进一步处理,我创建了一个表示 TextRange
节点列表的 DOMText
类。将文本节点列表作为一个字符串进行字符串操作很有用。
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就没那么容易。
您可以在此处找到完整代码:http://codepad.viper-7.com/U4bxbe(包括我从答案示例中取出的 TextRange
类)。
由于该站点使用的是较旧的 LIBXML 版本,它在 viper 键盘上无法正常工作。它适用于我的 LIBXML 版本 20707。我创建了一个关于此问题的相关问题:XPath query result order。
注意事项:此示例使用二进制字符串搜索 ( strpos
) 和相关偏移量来使用 DOMText::splitText
函数拆分文本节点。这可能导致错误的偏移量,因为函数需要 UTF-8 字符偏移量。正确的方法是使用mb_strpos
获取基于UTF-8
的值。
该示例无论如何都有效,因为它仅使用 US-ASCII
,它与示例数据的 UTF-8
具有相同的偏移量。
在现实生活中,$search
字符串应该是 UTF-8 编码的,并且应该使用 mb_strpos
而不是 strpos
:
while(FALSE !== $start = mb_strpos($range, $search, 0, 'UTF-8'))
关于php - 忽略 preg_replace 中的 html 标签,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/8193327/