求助一个正则表达式的问题

2019-04-21 21:53:11 +08:00
 livc

输入是 html 文件，但所有的<和> 都是 &lt; 和 &gt;，希望把 &lt; 和 &gt; 替换成<和>

源码只有一句替换的语句，暴露的接口就是一次 replace 操作的 RegExp Pattern，RegExp Options，RegExp Replacement 三个字段，也就是只能填写这三个字段，不能替换两次那样，需要一次完成，源码是 ruby 的 regexp。

不知道我有没有说清楚，有思路的大佬可以帮忙看看，谢谢

1841 次点击
所在节点    程序员
8 条回复
geelaw
2019-04-21 22:14:18 +08:00
假设你的输入是 well-structured，那么在第一个能被理解为小于号的 &lt; 之前必须有一个 <，最后一个能被理解为大于号的 &gt; 之后必须有一个 >，于是你可以考虑如下正则表达式、选项和替换项

/(?<=(<).*?)&lt;|&gt;(?=.*?(>))/m

MULTILINE

\1\2

当然，想要在实际中用这种方法达成目的的人多半是有毛病的。
geelaw
2019-04-21 22:20:40 +08:00
Ugh, 看了一下 Ruby 的文档，你可以给 replacement 设置一个函数，这样的话是平凡的，而且可以处理完全没有 <> 的情况。（我理解的题目是说想把里面本来就该 escape 的东西替换成 <>，而不是整个文件都 escape 过了；后面这种情况只能用传入非字符串的方式解决。）
livc
2019-04-21 22:32:23 +08:00
@geelaw #1 并没有看懂。。为什么第一个小于号前面还有小于号？
SuperMonster009
2019-04-21 22:40:43 +08:00
str.replace(/(?:&lt;)(.*?)(?:&gt;)/g, "<$1>")

但这样会误伤
geelaw
2019-04-21 22:49:57 +08:00
@livc #3 因为我认为你想要把 <html>&lt;&gt;</html> 替换成 <html><></html>
lzhd24
2019-04-21 22:56:37 +08:00
问题在于是不是需要把所有的 &lt; 和 &gt; 都替换成<和>，如果是 4 楼就是答案。
livc
2019-04-21 22:58:19 +08:00
@SuperMonster009 #4 这个可以的，谢谢！

@geelaw #5 哦哦明白啦，其实 html 前后的<>也是&lt;&gt;，我先用四楼的方法。anyway 谢谢大佬。

@lzhd24 #6 对的，谢谢。
geelaw
2019-04-21 23:05:54 +08:00
@livc #7 明白你的需求了，然而只有在特定情况下 #4 的方法才是正确的，特别来说你需要假设没有注释。如果假设所有的 & 都被替换成了 &amp;（包括注释里面的）且原先没有不安全的 <>，那么安全的做法是

/&lt;(--.*?--|-[^-].*?|[^-].*?|)&gt;/ 替换为 <\1>

其中 . 选择任意字符的含义。

这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/557309

V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX