php - Regex/DOMDocument - 匹配和替换不在链接中的文本

Question

我需要以不区分大小写的方式查找并替换所有文本匹配，除非文本位于 anchor 标记内 - 例如:

<p>Match this text and replace it</p>
<p>Don't <a href="/">match this text</a></p>
<p>We still need to match this text and replace it</p>

搜索“匹配此文本”只会替换第一个实例和最后一个实例。

[编辑] 根据 Gordon 的评论，在这种情况下最好使用 DOMDocument。我对 DOMDocument 扩展一点也不熟悉，并且非常感谢此功能的一些基本示例。

Answer 1

这是一个 UTF-8 安全解决方案，它不仅适用于格式正确的文档，还适用于文档片段。

需要 mb_convert_encoding，因为 loadHtml() 似乎在 UTF-8 编码方面存在错误(请参阅 here 和 here )。

mb_substr 正在从输出中修剪正文标记，这样您就可以恢复原始内容，而无需任何其他标记。

<?php
$html = '<p>Match this text and replace it</p>
<p>Don\'t <a href="/">match this text</a></p>
<p>We still need to match this text and replace itŐŰ</p>
<p>This is <a href="#">a link <span>with <strong>don\'t match this text</strong> content</span></a></p>';

$dom = new DOMDocument();
// loadXml needs properly formatted documents, so it's better to use loadHtml, but it needs a hack to properly handle UTF-8 encoding
$dom->loadHtml(mb_convert_encoding($html, 'HTML-ENTITIES', "UTF-8"));

$xpath = new DOMXPath($dom);

foreach($xpath->query('//text()[not(ancestor::a)]') as $node)
{
    $replaced = str_ireplace('match this text', 'MATCH', $node->wholeText);
    $newNode  = $dom->createDocumentFragment();
    $newNode->appendXML($replaced);
    $node->parentNode->replaceChild($newNode, $node);
}

// get only the body tag with its contents, then trim the body tag itself to get only the original content
echo mb_substr($dom->saveXML($xpath->query('//body')->item(0)), 6, -7, "UTF-8");

引用文献:
1. find and replace keywords by hyperlinks in an html fragment, via php dom
2. Regex / DOMDocument - match and replace text not in a link
3. php problem with russian language
4. Why Does DOM Change Encoding?

我阅读了该主题的数十个答案，因此，如果我忘记了某人，我很抱歉(请发表评论，在这种情况下我也会添加您的答案)。

感谢 Gordon 和 stillstand 对 my other answer 发表评论.