正则表达式：查找字符串中不在文本区域内的换行符

Question

嘿呀，我正在寻找一个正则表达式，它可以让我基本上用任何东西（例如“xxx”）替换换行符，但仅当换行符不在textarea标记内时才能替换。

例如，以下内容：

<strong>abcd
efg</strong>
<textarea>curious
george
</textarea>
<span>happy</span>

Would become:

<strong>abcdxxxefg</strong>xxx<textarea>curious
geroge
</textarea>xxx<span>happy</span>

有人知道我应该从哪里开始吗？我有点茫然无措 :( 非常感谢任何可能的帮助。

- onassar

---

为了完整起见，将<pre>标签添加到同一列表中：换行符在其中也有意义。 - Pekka

我一直在尝试使用lookaround来确定它是否有效，但到目前为止，我只发现了恰好相反的情况：替换文本区域内的EOL：(?<=]*?>.*)[\r\n]+(?=.*)您可以使用此方法对textarea中的EOL进行“编码”，处理其他EOL，然后恢复已编码的EOL。 - Stijn Sanders

在上述建议的基础上添加： (?<=<(textarea|pre|code|xmp)[^>]?>.)[\r\n]+(?=.*</\1>) - Stijn Sanders

@Stijn：这些正则表达式需要无限制的、可变长度的后顾断言，而 PHP 不支持。 - Alan Moore

Answer 1

我明白了，但你可能不会喜欢它。;)

$result = preg_replace(
  '~[\r\n]++(?=(?>[^<]++|<(?!/?textarea\b))*+(?!</textarea\b))~',
  'XYZ', $source);

匹配换行符后，前瞻扫描向前，消耗任何不是左尖括号的字符，或者任何不是或标签开头的左尖括号。当它用完这些字符之后，它看到的下一件事情必须是这些标签之一或字符串的结尾。如果它是一个标签，那么意味着找到了textarea元素内的换行符，因此匹配失败，并且该换行符不被替换。我在下面提供了一个扩展版本，您可以在ideone上查看其运行情况。如果您真的想要处理那些其他标签，可以进行调整。但是听起来您需要的是HTML最小化程序（或缩小程序）；有很多这样的程序可用。

  $re=<<<EOT
~
[\r\n]++
(?=
  (?>
    [^<]++            # not left angle brackets, or
  |
    <(?!/?textarea\b) # bracket if not for TA tag (opening or closing)
  )*+
  (?!</textarea\b)    # first TA tag found must be opening, not closing
)
~x
EOT;

- Alan Moore

Answer 2

如果您仍然想使用正则表达式，可以尝试这个方法 - 在特殊标签内转义换行符，删除换行符，然后取消转义：

<?php //5.3 syntax here

//Regex matches everything within textarea, pre or code tags
$str = preg_replace_callback('#<(?P<tag>textarea|pre|code)[^>]*?>.*</(?P=tag)>#sim',
    function ($matches) { 
         //and then replaces every newline by some escape sequence
         return str_replace("\n", "%ESCAPED_NEWLINE%", $matches[0]);
    }, $str);
//after all we can safely remove newlines
//and then replace escape sequences by newlines
$str = str_replace(array("\n", "%ESCAPED_NEWLINE%"), array('', "\n"), $str);

- Andrew

---

我会趁着等待他的回复尝试一下这个。虽然有点困惑，但如果可能的话，我还是愿意避免使用正则表达式。'状态机'是什么意思？ - onassar

好的，我已经添加了更多的注释。你到底是哪里困惑了？谷歌一下状态机。基本上，你需要在迭代文本时保持某种“状态”，在这种情况下，状态是回答“我是否在文本区域标签内”的问题。根据该状态，您将替换或保留换行符。 - Andrew

Answer 3

为什么要使用正则表达式呢？为什么不使用一个非常简单的状态机来完成它呢？遍历字符串，查找开放的<textarea>标签，并在其中寻找关闭标签。当遇到换行符时，根据当前是否在<textarea>中进行转换或不转换。

- Hammerite

---

能否再解释一下？可以用伪代码吗？我对此有些困惑。:( - onassar

哈哈，状态机。我闻到了一个刚上完逻辑电路课的大学生的味道。去年我也上过那门课 =）状态机是硬件术语。在软件术语中，你会说它是一个带有开关或标志的迭代（或递归）循环。 - stevendesu

我正在攻读纯数学博士学位，从未上过电子或编程课。我将其称为“状态机”，因为我以前见过它被称为这个名字。 - Hammerite

Answer 4

你正在解析HTML。你不能使用正则表达式来解析HTML。

- Andy Lester

---

你的理解还不够准确。在一般情况下，是的，你不能这样做，因为php实现的正则表达式中没有递归。但在这种特殊情况下，你可以这样做，因为你不能有嵌套的文本区域。 - Andrew