preg_replace 的特定正则表达式中的 html_entity_decode答案

【问题标题】：html_entity_decode in specific regular expression for a preg_replacepreg_replace 的特定正则表达式中的 html_entity_decode
【发布时间】：2012-10-29 07:44:43
【问题描述】：

我有这个 preg_replace 模式和替换：

$patterns = array(
    "/<br\W*?\/>/",
    "/<strong>/",
    "/<*\/strong>/",
    "/<h1>/",
    "/<*\/h1>/",
    "/<h2>/",
    "/<*\/h2>/",
    "/<em>/",
    "/<*\/em>/",
    '/(?:\<code*\>([^\<]*)\<\/code\>)/',
);
$replacements = array(
    "\n",
    "[b]",
    "[/b]",
    "[h1]",
    "[/h1]",
    "[h2]",
    "[/h2]",
    "[i]",
    "[/i]",
    '[code]***HTML DECODE HERE***[/code]',
);

在我的字符串中，我想html_entity_decode 这些标签之间的内容： <code> &lt; $gt; </code> 但保留我的数组结构以进行 preg 替换

所以这个：<code> &lt; &gt; </code> 将是这个：[code] < > [/code]

任何帮助将不胜感激，谢谢！

【问题讨论】：

标签： php regex decode html-entities bbcode

【解决方案1】：

您不能在替换字符串中对此进行编码。正如 PoloRM 建议的那样，您可以使用 preg_replace_callback 专门用于您最后的替换：

function decode_html($matches)
{
    return '[code]'.html_entity_decode($matches[1]).'[/code]';
}

$str = '<code> &lt; &gt; </code>';
$str = preg_replace_callback('/(?:\<code*\>([^\<]*)\<\/code\>)/', 'decode_html', $str);

等效地，使用create_function:

$str = preg_replace_callback(
    '/(?:\<code*\>([^\<]*)\<\/code\>)/',
    create_function(
       '$matches',
        'return \'[code]\'.html_entity_decode($matches[1]).\'[/code]\';'
    ),
    $str
);

或者，从 PHP 5.3.0 开始：

$str = preg_replace_callback(
    '/(?:\<code*\>([^\<]*)\<\/code\>)/',
    function ($matches) {
        return '[code]'.html_entity_decode($matches[1]).'[/code]';
    },
    $str
);

但请注意，在所有三种情况下，您的模式都不是最佳的。首先，您不需要转义那些< 和>（但这只是为了便于阅读）。其次，您的第一个* 允许无限重复（或省略）字母e。我想你想允许属性。第三，您不能在<code> 中包含其他标签（因为[^<] 不会匹配它们）。在这种情况下，也许您应该使用不贪婪的重复来代替（为方便起见，我还更改了分隔符）：

~(?:<code[^>]*>(.*?)</code>)~

正如您已经看到的那样，这仍然远非完美（就首先正确匹配 HTML 而言）。因此，强制性提醒：don't use regex to parse HTML。使用 DOM 解析器会更好。 PHP带来了built-in one，还有this very convenient-to-use 3rd-party one。

【讨论】：

感谢您的回答，我想我会考虑使用 DOM 解析器，但它有点复杂：p
@user990463，尤其是我链接的第二个，实际上并没有那么复杂。它非常易于使用（只需转到他们的文档并查看一些示例）。
是的，我希望使用这个，但出于技术问题（不取决于我）我无法安装第 3 方扩展 :(
@user990463 啊，我明白了。这确实使它更加费力，但是如果您想创建一个健壮的应用程序，这绝对是必要的（想想属性字符串或 HTML cmets 中的 HTML 标记......任何正则表达式解决方案都会严重扼杀这些；甚至不说无效HTML 通常可以由 DOM 解析器部分处理）
是的，我同意这一点，正则表达式并不真正适合复杂的 HTML 替换思想。所以我会进入 PHP DOM Parsing ;) 谢谢你的建议！

【解决方案2】：

看看这个：

http://www.php.net/manual/en/function.preg-replace-callback.php

您可以创建一个回调函数，将 html_entity_decode 功能应用于您的比赛。

【讨论】：