PHP 不包括 <pre> 标记的正则表达式

Question

我正在使用名为 Acronyms (https://wordpress.org/plugins/acronyms/) 的 WordPress 插件。这个插件用他们的描述替换首字母缩略词。它使用 PHP PREG_REPLACE 函数。

问题是它替换了 <pre> 标签中包含的首字母缩略词，我用它来显示源代码。

您能否修改此表达式，使其不会替换 <pre> 标签中包含的首字母缩略词（不仅直接替换，而且随时替换）？可能吗？

PHP代码是：

$text = preg_replace(
    "|(?!<[^<>]*?)(?<![?.&])\b$acronym\b(?!:)(?![^<>]*?>)|msU"
  , "<acronym title=\"$fulltext\">$acronym</acronym>"
  , $text
);

Answer 1

您可以使用 PCRE SKIP/FAIL regex trick（也适用于 PHP）告诉正则表达式引擎仅匹配不在某些定界符内的内容：

(?s)<pre[^<]*>.*?<\/pre>(*SKIP)(*F)|\b$acronym\b

这意味着：跳过所有以 <pre> 开头并以 </pre> 结尾的子字符串，然后才将 $acronym 作为一个完整的单词进行匹配。

见demo on regex101.com

这是一个sample PHP demo:

<?php
$acronym = "ASCII";
$fulltext = "American Standard Code for Information Interchange";
$re = "/(?s)<pre[^<]*>.*?<\/pre>(*SKIP)(*F)|\b$acronym\b/"; 
$str = "<pre>ASCII\nSometext\nMoretext</pre>More text \nASCII\nMore text<pre>More\nlines\nASCII\nlines</pre>"; 
$subst = "<acronym title=\"$fulltext\">$acronym</acronym>"; 
$result = preg_replace($re, $subst, $str);
echo $result;

输出：

<pre>ASCII</pre><acronym title="American Standard Code for Information Interchange">ASCII</acronym><pre>ASCII</pre>

Answer 2

也可以使用preg_split，将代码块保持为一个组，只替换非代码块部分，然后将其组合成一个完整的字符串：

function replace($s) {
    return str_replace('"', '&quot;', $s); // do something with `$s`
}

$text = 'Your text goes here...';
$parts = preg_split('#(<\/?[-:\w]+(?:\s[^<>]+?)?>)#', $text, null, PREG_SPLIT_NO_EMPTY | PREG_SPLIT_DELIM_CAPTURE);
$text = "";
$x = 0;
foreach ($parts as $v) {
    if (trim($v) === "") {
        $text .= $v;
        continue;
    }
    if ($v[0] === '<' && substr($v, -1) === '>') {
        if (preg_match('#^<(\/)?(?:code|pre)(?:\s[^<>]+?)?>$#', $v, $m)) {
            $x = isset($m[1]) && $m[1] === '/' ? 0 : 1;
        }
        $text .= $v; // this is a HTML tag…
    } else {
        $text .= !$x ? replace($v) : $v; // process or skip…
    }
}

return $text;

摘自 here.

PHP 不包括 <pre> 标记的正则表达式

PHP Regex expression excluding <pre> tag

php

regex

wordpress

replace

pre