代码之家 › 专栏 › 技术社区 › fire

拆分单词,但不包含HTML

php

fire · 技术社区 · 14 年前

我需要一个函数或一些regex来拆分字符串中的空格,但要将HTML标记视为一个单词。

$str = 'one two <a href="">three</a> four';
$x = explode(" ", $str);
print_r($x);

/* Returns:
  Array
(
    [0] => one
    [1] => two
    [2] => <a
    [3] => href="">three</a>
    [4] => four
)

Looking for way to return:

Array
(
    [0] => one
    [1] => two
    [2] => <a href="">three</a>
    [3] => four
)

*/

有什么想法吗?谢谢

4 回复 | 直到 14 年前

AnimeCYC 14 年前

这比上面的简单一点,还没有完全测试过,但是试一下。

$str = 'one two <a href="">three</a> four';

if(preg_match_all('%(<[^<]+.*?>|[^\s]+)%', $str, $matches)) {
    array_shift($matches);
    print_r($matches);
}

下面是另一个版本,我测试了大约5分钟,效果更好:

$str = 'one two <a href="omfg hi I have spaces"> three</a> four <script type="javascript"> var a = "hello"; </script><random tag>la la la la<nested>hello?</nested></random tag>';

if(preg_match_all('%(<[^<]+.*?>|[^\s]+)%', preg_replace('%([\s]\<|\>[\s])%', '$1', $str), $matches)) {
    array_shift($matches);
    echo '<pre>';
    print_r($matches);
    echo '</pre>';
}

berkes 14 年前

preg_split('/(<([A-Z][A-Z0-9]*)\b[^>]*>(.*?)</\1>)|| /, $text)

这有时会奏效。它可以在一个标记集上拆分,也可以在一个空格上拆分。

然而,你想要的并不是那么简单。您应该涵盖所有嵌套标记、内容有空格的标记([a href]foo bar baz[/a])等情况。为此,最好实现适当的XML(HTML)解析器。

但在我看来,你有这个数组的目的。是数词吗?如果是这样,解决方案将是一个更简单的函数调用,它从文本(strip_tags())中删除所有HTML,然后应用分词器并对其进行计数。

Rob Stevenson-Leggett 14 年前

可以在使用explode前后对字符串执行regex替换。

所以会像爆炸一样

<a_href="">test</a>

除了任何简单的例子之外,尽管您谈论的是解析HTML,这对于regex来说不是一件好事。

这里有很多关于解析HTML的问题。也许你可以适应他们。

Fosco 14 年前

我编写并测试了这个自定义函数。试一试,告诉我你的想法。

function fireSplit($str) {
  if (strpos($str,"<") === FALSE) return explode(" ",$str);
  $str = trim($str);
  $out = array();
  $curIdx = 0;
  $endIdx = strlen($str) -1;

  while ($curIdx <= $endIdx) {
        if (substr($str,$curIdx,1) == " ") {
              $curIdx += 1;
              continue;
        }
        $nextspace = strpos($str," ",$curIdx);
        $nexttag = strpos($str,"<",$curIdx);
        $nexttag2 = strpos($str,"/",$nexttag);
        $nexttag3 = strpos($str,">",$nexttag2);

        if ($nextspace === FALSE) {
              $out[] = substr($str,$curIdx);
              $curIdx = $endIdx + 1;
              continue;
        }

        if ($nexttag !== FALSE && $nexttag < $nextspace && $nexttag2 !== FALSE && $nexttag3 !== FALSE) {
              $out[] = substr($str,$curIdx,($nexttag3 - $curIdx + 1));
              $curIdx = $nexttag3 + 1;
        } else {
              $out[] = substr($str,$curIdx,($nextspace - $curIdx));
              $curIdx = $nextspace;
        }
  }
return $out;
}

我打电话给你:

fireSplit("one two <a href=\"haha\">three</a> four");
fireSplit("a <b>strong</b> c d e f");

它回来了:

array(4) {
  [0]=>
  string(3) "one"
  [1]=>
  string(3) "two"
  [2]=>
  string(24) "<a href="haha">three</a>"
  [3]=>
  string(4) "four"
}

array(6) {
  [0]=>
  string(1) "a"
  [1]=>
  string(13) "<b>strong</b>"
  [2]=>
  string(1) "c"
  [3]=>
  string(1) "d"
  [4]=>
  string(1) "e"
  [5]=>
  string(1) "f"
}