Регулярное выражение заменяет слово ссылкой

Регулярное выражение:

!(<a.*</a>.*)*Paris!isU

Замена:

$1<a href = "Paris">Paris</a>

$ 1 относится к первому подшаблону (по крайней мере, в PHP). В зависимости от языка, который вы используете, он может немного отличаться.

Это должно заменить все вхождения "Paris" ссылкой в ​​замене. Он просто проверяет, все ли открывающие а-теги были закрыты перед "Парижем".

Пример PHP:

<?php
$s = 'i\'m living <a href = "Paris" atl = "Paris link">in Paris</a>, near Paris <a href = "gare">Gare du Nord</a>, i love Paris.'; 
$regex = '!(<a.*</a>.*)*Paris!isU'; 
$replace = '$1<a href = "Paris">Paris</a>'; 
$result = preg_replace( $regex, $replace, $s); 
?>

Добавление:

Это не лучшее решение. Одна ситуация, когда это регулярное выражение не будет работать, - это когда у вас есть img-Tag, который не входит в a-Element. Когда вы устанавливаете атрибут title этого изображения на «Париж», этот «Париж» также будет заменен. И это не то, что вам нужно. Тем не менее, я не вижу возможности полностью решить вашу проблему с помощью простого регулярного выражения.

Традиционный ответ на такой вопрос: используйте настоящий HTML-парсер. Потому что RE не очень хорошо работают в контексте. И HTML сложен, тег 'a' может иметь атрибуты или нет, в любом порядке, может иметь HTML в ссылке или нет и т. д.

Это сложно сделать за один шаг. Написание единственного регулярного выражения, которое делает это, практически невозможно.

Попробуйте двухэтапный подход.

1. Разместите ссылку вокруг каждого «Парижа», независимо от того, есть ли еще одна ссылка.
2. Найдите все неправильно вложенные ссылки (<a href = "..."><a href = "...">Paris</a></a>) и удалите внутреннюю ссылку.

Регулярное выражение для первого шага очень просто:

\bParis\b

Регулярное выражение для шага два немного сложнее:

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

Используйте его для всей строки и замените его содержимым групп совпадений 1 и 2, эффективно удалив лишнюю внутреннюю ссылку.

Объяснение регулярного выражения # 2 простыми словами:

• Найдите каждую ссылку (<a[^>]+>), за которой можно указать все, что не сопровождается закрывающей ссылкой (.*?(?!:</a>)). Сохраните его в группе матчей 1.
• Теперь ищем следующую ссылку (<a[^>]+>). Убедитесь, что он есть, но не сохраняйте его.
• Теперь поищите слово Париж. Сохраните его в группе матчей 2.
• Ищите закрывающую ссылку (</a>). Убедитесь, что он есть, но не сохраняйте его.
• Замените все содержимым групп 1 и 2, тем самым потеряв все, что вы не сохранили.

Подход предполагает следующие побочные условия:

• Ваш входной HTML не сильно поврежден.
• Ваш вариант регулярного выражения поддерживает нежадные квантификаторы (. *?) И отрицательные утверждения упреждающего просмотра нулевой ширины ((?!:...)).
• Вы заключаете слово «Париж» только в ссылку на шаге 1, без дополнительных символов. Каждый «Paris» становится «<a href"...">Paris</a>», или второй шаг завершится ошибкой (пока вы не измените второе регулярное выражение).

• Кстати: регулярное выражение # 2 явно допускает такие конструкции:

  <a href = "">in the <b>capital of France</b>, <a href = "">Paris</a></a>

  Избыточная ссылка поступает из шага 1, результат замены шага 2 будет:

  <a href = "">in the <b>capital of France</b>, Paris</a>

Если вы не ограничивались использованием регулярных выражений в этом случае, XSLT - хороший выбор для языка, на котором вы можете определить эту замену, потому что он «понимает» XML.

Вы определяете два шаблона: Один шаблон находит ссылки и удаляет те ссылки, которые не содержат «Париж» в качестве основного текста. Другой шаблон находит все остальное, разбивает на слова и добавляет теги.

Регулярные выражения не заменяют. Языки делают.

Языки и библиотеки также будут читать из базы данных или файла, содержащего список слов, которые вам интересны, и связывать URL-адрес с их именем. Вот самая простая замена, которую я могу себе представить, для моего единственного регулярного выражения (perl используется для синтаксиса замена).

s/([a-z-']+)/<a href = "http://en.wikipedia.org/wiki/$1">$1</a>/i

Имена собственные могут работать лучше:

s/([A-Z][a-z-']+)/<a href = "http://en.wikipedia.org/wiki/$1">$1</a>/gi;

Конечно, «Батон-Руж» станет двумя связями для:

<a href = "http://en.wikipedia.org/wiki/Baton">Baton</a> 
<a href = "http://en.wikipedia.org/wiki/Rouge">Rouge</a>

В Perl вы можете сделать это:

my $barred_list_of_cities 
    = join( '|'
    , sort { ( length $a <=> $b ) || ( $a cmp $b ) } keys %url_for_city_of
    );
s/($barred_list_of_cities)/<a href = "$url_for_city_of{$1}">$1</a>/g;

Но опять же, это язык, который реализует набор операций для регулярных выражений, регулярные выражения ничего не делают. (На самом деле это настолько распространенное приложение, что я был бы удивлен, если бы где-то не было модуля CPAN, который бы это делал, и вам просто нужно загрузить хеш.

Вы можете искать это регулярное выражение:

(<a[^>]*>.*?</a>)|Paris

Это регулярное выражение соответствует ссылке, которую оно захватывает в первую (и единственную) группу захвата, или слову Paris.

Замените совпадение своей ссылкой только в том случае, если группа захвата ничего не соответствует.

Например. в C#:

resultString = 
    Regex.Replace(
        subjectString, 
        "(<a[^>]*>.*?</a>)|Paris", 
        new MatchEvaluator(ComputeReplacement));

public String ComputeReplacement(Match m) {
    if (m.groups(1).Success) {
        return m.groups(1).Value;
    } else {
        return "<a href=\"link to paris\">Paris</a>";
    }
}

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

  // 1. Define 2 arrays:
  //  $matches[1] - array of links with our keyword
  //  $matches[2] - array of keyword
  preg_match_all('@(<a[^>]*?>[^<]*?'.$pattern.'[^<]*?</a>)|(?<!\pL)('.$pattern.')(?!\pL)@', $text, $matches);

  // Exists keywords for replace? Define first keyword without tag <a>
  $number = array_search($pattern, $matches[2]);

  // Keyword exists, let's go rock
  if ($number !== FALSE) {

    // Replace all link with temporary value
    foreach ($matches[1] as $k => $tag) {
      $text = preg_replace('@(<a[^>]*?>[^<]*?'.$pattern.'[^<]*?</a>)@', 'KEYWORD_IS_ALREADY_LINK_'.$k, $text, 1);
    }

    // Replace our keywords with link
    $text = preg_replace('/(?<!\pL)('.$pattern.')(?!\pL)/', '<a href = "">'.$pattern.'</a>', $text);

    // Return link
    foreach ($matches[1] as $k => $tag) {

      $text = str_replace('KEYWORD_IS_ALREADY_LINK_'.$k, $tag, $text);
    }

    // It's work!
    echo $text;
  }