我需要一些关于正则表达式的帮助：
我得到了一个 html 输出，我需要用 <sup></sup> 包装所有注册商标
我不能在标题和alt 属性中插入<sup> 标签，显然我不需要包装已经上标的reg。
以下正则表达式匹配不属于 HTML 标记的文本：
(?<=^|>)[^><]+?(?=<|$)
我正在寻找的一个例子：
$original = `<div>asd® asdasd. asd<sup>®</sup>asd <img alt="qwe®qwe" /></div>`
过滤后的字符串应该输出：
<div>asd<sup>®</sup> asdasd. asd<sup>®</sup>asd <img alt="qwe®qwe" /></div>
非常感谢您的宝贵时间！！！
【问题讨论】：
标签： php html regex preg-replace symbols
我真的会使用 HTML 解析器来代替正则表达式，因为 HTML 不是正则的，并且会呈现比您想象的更多的边缘情况（忽略您在上面确定的上下文限制）。
你没有说你正在使用什么技术。如果你把它贴出来，毫无疑问有人会推荐合适的解析器。
【讨论】：
Regex 不足以满足您的需求。首先，您必须编写代码来识别内容何时是属性值或元素的文本节点。然后你必须通过所有这些内容并使用一些替换方法。我不确定它在 PHP 中是什么，但在 JavaScript 中它看起来像：
content[i].replace(/\®/g, "<sup>®</sup>");
【讨论】：
我同意 Brian 的观点，正则表达式不是解析 HTML 的好方法，但如果您必须使用正则表达式，您可以尝试将字符串拆分为标记，然后在每个标记上运行您的正则表达式。
我使用preg_split 来拆分HTML 标记以及短语<sup>&reg</sup> 上的字符串——这将留下不是上标&reg; 或标记作为标记的文本。那么对于每个token，&reg;可以替换为<sup>&reg;</sup>：
$regex = '/(<sup>®<\/sup>|<.*?>)/i';
$original = '<div>asd® asdasd. asd<sup>®</sup>asd <img alt="qwe®qwe" /></div>';
// we need to capture the tags so that the string can be rebuilt
$tokens = preg_split($regex, $original, -1, PREG_SPLIT_DELIM_CAPTURE | PREG_SPLIT_NO_EMPTY);
/* $tokens => Array
(
[0] => <div>
[1] => asd® asdasd. asd
[2] => <sup>®</sup>
[3] => asd
[4] => <img alt="qwe®qwe" />
[5] => </div>
)
*/
foreach ($tokens as &$token)
{
if ($token[0] == "<") continue; // Skip tokens that are tags
$token = substr_replace('®', '<sup>®</sup>');
}
$tokens = join("", $tokens); // reassemble the string
// $tokens => "<div>asd<sup>®</sup> asdasd. asd<sup>®</sup>asd <img alt="qwe®qwe" /></div>"
请注意，这是一种幼稚的方法，如果输出的格式不符合预期，它可能不会像您想要的那样解析（同样，正则表达式不适合 HTML 解析；））
【讨论】：
好吧，这是一个简单的方法，如果您同意以下限制：
那些已经被处理过的 紧跟在 ®
之后echo preg_replace('#®(?!\s*</sup>|[^<]*>)#','<sup>®</sup>', $s);
背后的逻辑是：
【讨论】：