preg_match_all：获取引号内的文本，html标记中除外

我最近使用了一种模式，用成对的开始/结束双引号替换直接双引号

$string = preg_replace('/(\")([^\"]+)(\")/','“$2”',$string);

如果$string是一个句子，甚至是一个段落，它就可以正常工作

但是

我的函数可以被调用到一块HTML代码的作业中，它不再作为例外工作：

$string    = preg_replace('/(\")([^\"]+)(\")/','“$2”','<a href="page.html">Something "with" quotes</a>');

$string=preg\u replace（“/（\”）（[^\“]+）（\”/”，“$2”，”；

返回

<a href=“page.html”>Something “with” quotes</a>

这是一个问题

所以我想我可以分两步完成：提取标签中的文本，然后替换引号

我试过这个

$pattern='/<[^>]+>(.*)<\/[^>]+>/';

$pattern='/]+>（.*]+>”；

例如，如果字符串是

$string='<a href="page.html">Something "with" quotes</a>';

$string=''；

但它不适用于以下字符串：

$string='Something "with" quotes <a href="page.html">Something "with" quotes</a>';

$string='Something'加上“引号”；

有什么想法吗

---

Bertrand

我想通常的回答是……正如已经发生的那样，您不应该通过正则表达式解析HTML。您可以查看以提取文本并应用正则表达式，从您已经说过的内容来看，它似乎工作得很好

---

本教程将为您指明正确的方向。

我确信这将以一场火焰之战结束，但这是可行的：

echo do_replace('<a href="page.html">Something "with" quotes</a>')."\n";
echo do_replace('Something "with" quotes <a href="page.html">Something "with" quotes</a>')."\n";

function do_replace($string){
    preg_match_all('/<([^"]*?|"[^"]*")*>/', $string, $matches);
    $matches = array_flip($matches[0]);

    $uuid = md5(mt_rand());
    while(strpos($string, $uuid) !== false) $uuid = md5(mt_rand()); 
    // if you want better (time) garanties you could build a prefix tree and search it for a string not in it (would be O(n)

    foreach($matches as $key => $value)
        $matches[$key] = $uuid.$value;

    $string = str_replace(array_keys($matches), $matches, $string);
    $string = preg_replace('/\"([^\"<]+)\"/','&ldquo;$1&rdquo;', $string);
    return str_replace($matches, array_keys($matches), $string);
}

有了costum状态机，你甚至可以不用先替换，然后再替换回来。我还是建议使用解析器。

我终于找到了一种方法：

提取任何标记（如果有）的内部或外部（之前、之后）的文本

使用回调按对查找引号并替换它们

代码

$string=preg\u replace\u回调（'/[^]*（？！（[^）/sim'，创建函数（'$matches'，返回preg\u replace（\'/（\''）（[^\']+）（\''）/\'，\'“$2”，$matches[0]），$string）；

Bertrand，重新提出这个问题，因为它有一个简单的解决方案，可以让您一次完成替换，而无需回调。（在对有关的一般问题进行研究时发现了您的问题。）

下面是我们的简单正则表达式：

<[^>]*>(*SKIP)(*F)|"([^"]*)"

]*>（*跳过）（*F）|“（[^”]*）”

交替的左侧匹配complete

，然后故意失败。右侧匹配双引号字符串，我们知道它们是右侧字符串，因为它们没有与左侧的表达式匹配

这段代码显示了如何使用正则表达式（请参见本部分底部的结果）：

---

@Kolink我知道会出现这种情况。这就是为什么我建议使用simplexml，只将其应用于文本，而不应用于属性。我必须“清理”的字符串是90%大小写中文本字段的值，在某些情况下，您有“位”“内部的html代码。这就是解析不合适的原因。如果
'Something'加引号'
，需要什么输出？
'Something'加引号'
或
'Something'使用引号“
？谢谢，但当我需要解析某些代码时，我会使用解析器。在这种情况下，解析代码不会帮助我用其他字符替换某些字符。我尝试过，它很有效。谢谢。问题是，在90%的时间里，我只得到一个字符串（文本输入的值）使用一个字符串或几个标记的解析器实际上需要做更多的工作。这个正则表达式不适用于完整的html页面。
$string = preg_replace_callback('/[^<>]*(?!([^<]+)?>)/sim', create_function('$matches',  'return preg_replace(\'/(\")([^\"]+)(\")/\', \'“$2”\', $matches[0]);'), $string);

<[^>]*>(*SKIP)(*F)|"([^"]*)"

<?php
$regex = '~<[^>]*>(*SKIP)(*F)|"([^"]*)"~';
$subject = 'Something "with" quotes <a href="page.html">Something "with" quotes</a>';
$replaced = preg_replace($regex,"“$1”",$subject);
echo $replaced."<br />\n";
?>