Question

请问php中url替换的问题 正则也可以？

对以下HTML进行匹配

html start
请从以下推荐分类中选择合适的分类:<br>电脑/网络 -> <a href="link1" alt="程序设计">程序设计</a><br>
电脑/网络 -> 操作系统/系统故障<br>
<br>
如果没有合适的推荐分类，建议您更改分类，有助于获得准确解答 <br>
<img src=asdasda.jpg alt="test" title="你好"><br>
您还可以输入1381字<br>
test<br>
输入内容已经达到长度限制<br>
html end

匹配的词为
array(
1 => "test",
2 => "你好",
3 => "程序" ,
4 => "分类"
);

要求除了 img及a标签 外所有的都进行匹配 其中url地址为 数组的key
例如 匹配的 test 变成 <a href="1.html" title="test">test</a>
每个词只匹配一次

结果如下：

html start
请从以下推荐<a href="4.html" title="分类">分类</a>中选择合适的分类:<br>电脑/网络 -> <a href="link1" alt="程序设计">程序设计</a><br>
电脑/网络 -> 操作系统/系统故障<br>
<br>
如果没有合适的推荐分类，建议您更改分类，有助于获得准确解答 <br>
<img src=asdasda.jpg alt="test" title="你好"><br>
您还可以输入1381字<br>
<a href="1.html" title="test">test</a><br>
输入内容已经达到长度限制<br>
html end

Answer 1

首先赞扬一下楼主的提问方式：

1. 对问题描述得很清晰；

2. 给出了匹配的范例文本；

3. 指定了正则式所在的语言。

这才应该是规范合理的提问。

言归正传，先根据问题，写出正则，然后落实到PHP语言。如果对分析过程不感兴趣，请直接pagedown看答案。

1. 基础

需要匹配的关键词为：test，你好，程序，分类。

正则表达式：/test|你好|程序|分类/i

（i是表示大小写不敏感模式。如果指定匹配小写的test，则可以去掉i）

2. 限制条件

a. 不在标签内部，例如<img src=asdasda.jpg alt="test" title="你好">，里面虽然有test和你好，但这不满足要求；

b. 本身无链接。例如，<a href="link1" alt="程序设计">程序设计</a>中，>程序设计<中的程序由于处于<a..>程序设计</a>之间，同样不满足要求。

根据以上限制，写出纯粹的正则式（并不能直接用在php中）：

(?<!<(?:a|img)[^<>]*)(test|你好|程序|分类)(?![^<>]*</a>)

它表示，(test|你好|程序|分类)的紧临左侧不能出现<a..标签，或者<img标签；紧临右侧不能出现</a>标签。

“紧临”二字至关重要，它将无直接关系的<>都忽略掉，才确保条件的正确执行。怎样实现这一点呢？我使用的是[^<>]*。

正则式的部分这里就交待清楚了。下面将正则式应用到PHP中。

3. php正则式

php使用的正则表达式是PCRE的，它不支持在lookbehind里使用无限量词，即(?<!<(?:a|img)[^<>]*)部分不被PCRE支持。没关系，可以修改之。

(?<!(?:<a|<img))([^<>]*)(test|你好|程序|分类)(?![^<>]*(?:>|</a>))

与2中的正则式相比，前者$1即为所求，其余部分只匹配，不消耗字符；而后者$2为所求，还需要对$1进行处理。

4. php细节

我使用preg_replace_callback函数，以便自定义替换过程。代码如下，随手注释：

<?php

//此处使用heredoc语法，以便支持复杂的长文本。

$x=<<<EOT

请从以下推荐分类中选择合适的分类:<br>电脑/网络 -> <a href="link1" alt="程序设计">程序设计</a><br>

  电脑/网络 -> 操作系统/系统故障<br>

<br>

如果没有合适的推荐分类，建议您更改分类，有助于获得准确解答 <br>

<img src=asdasda.jpg alt="test" title="你好"><br>

您还可以输入1381字<br>

test<br>

输入内容已经达到长度限制<br>

EOT;

//关键词数组

$a=array( 

1 => "test", 

2 => "你好", 

3 => "程序" ,

4 => "分类"

);

//记号数组，用于记录哪些匹配是已经替换了的。因为楼主指定“每个词只匹配一次”。

$index=array();

function compute_replacement($groups) {

 global $a;

 global $index;

 if ($index[$groups[2]])

 {

 //如果该关键词已经被处理过，那么直接返回整个字串（$groups[0]），不作处理。

  return $groups[0];

 }

 

 //查询该关键词在数组中的位置，确定序号，以便生成href="1.html"之类链接地址。

 $in=array_search($groups[2],$a);

 

 //将处理过的关键词标记为已处理，避免重复。

 $index[$groups[2]]=1;

 

 //返回处理好的文本。

 return "$groups[1]<a href=\"$in.html\" title=\"$groups[2]\">$groups[2]</a>"; 

}

$r= preg_replace_callback('%(?<!<)([^<>]*)(test|你好|程序|分类)(?![^<>]*(?:>|</a>))%s', compute_replacement, $x);

echo $r;

?>

输出的结果为：

请从以下推荐分类中选择合适的<a href="4.html" title="分类">分类</a>:<br>电脑/网络 -> <a href="link1" alt="程序设计">程序设计</a><br>

  电脑/网络 -> 操作系统/系统故障<br>

<br>

如果没有合适的推荐分类，建议您更改分类，有助于获得准确解答 <br>

<img src="asdasda.jpg" alt="test" title="你好"><br>

您还可以输入1381字<br>

<a href="1.html" title="test">test</a><br>

输入内容已经达到长度限制<br></body>

注：这里的格式不好，建议去“参考资料”所指向的地址察看更易读版本的解答。

正则表达式论坛：http://regex.me

正则表达式博客：http://iregex.org

附：匹配图。高亮部分为匹配结果。