求助 正则表达式替换 html 中文字

[leoleoasd]

正在给一个写好的模板 加入翻译功能 希望的效果是把

<p>
    <div>
        123
        <a href="foobar">234</a>
    </div>
</p>

替换为

<p>
    <div>
    	@lang("123")
        <a href="foobar">@lang("234")</a>
    </div>
</p>

正则表达式可以做到么?需要一个能在 idea 里正则替换的表达式

[leoleoasd]

不是正则替换 弄个别的小程序替换也可以

目前的想法是写个 python 程序 解析 dom 递归把每个元素里的文字都替换后再返回去生成 html

[molvqingtai]

是要实现多语言站点还是，单纯翻译，只是翻译的话直接用翻译接口发送整个 HTML 就好了

[leoleoasd]

@molvqingtai #2 跟翻译没关系 翻译我们会自己写
需要的是在 php 的模板中调用翻译

你可以理解为我们需要进行 html 中的文本替换 把除了标签之外的文本全部用 @lang 包裹

[Guaidaodl]

正则表达式不足以精确分析 HTML 格式的文本. 不过你如果想要简单应该可以用 "<[^>]+>\s*([^<]+)" 捕获非标签部分内容.
这个表达式对空格和换行的处理不够友好. 建议用程序辅助一下, 写太复杂的正则表达式可能会遇到性能问题, 也不太好维护.

[SakuraSa]

既然用 python 了，直接用 html 解析库（例如 bs4 ）会方便很多
解析后遍历整个元素树，替换，然后再序列化回 html

[zjsxwc]

htmlparser 加上一个递归函数就可以解决楼主的需求。

伪代码：

function convert(dom)
{
if (dom.children.length == 0) {
var textContent = dom.textContent;
if (checkContainChinese(textContent))
dom.textContent = '@lang(' + textContent + ')';
return;
}
dom.children.each( childDom => convert(childDom));
}
convert(parse(html));

[wizardforcel]

随便找个 XML 解析库，然后提取里面的所有文本节点。就行了。

不过这样可能翻译得支离破碎的，比如这个“前文本<a ...>链接</a>后文本”。

[fox0001]

与其费神写个复杂的正则表达式，还不如直接 dom 解析

[DavidNineRoc]

建议使用 phpquery 先查找匹配出来，然后遍历所有节点，直接字符串替换用不到正则

[billlee]

还是用 sax 解析器吧

[panpanpan]

为什么不换个思路把 @lang(123) 扩展为 @lang('en',123) 和 @lang('zh',123)

[leoleoasd]

@panpanpan #11 @lang 会 根据设置的语言 自动在翻译文件中查找翻译 显示
这是 html 模板

[kawkeye]

我还是不能理解,用正则是匹配到特征项然后加上函数么

[buliugu]

这不是国际化吗，i18n 了解一下

[leoleoasd]

@kawkeye #13 只是需要把所有文字都用翻译函数包裹 可以不用正则

[Droi]

正则可以做到，但有点复杂。下面的方法只对你这个例子起做用。
在真实环境下还要再改改。

perl -p -i -e 's/((?<=\s)\d\d\d|(?<=>)\d\d\d(?=<))/\@lang("$1")/g' file