跳过javascript正则表达式中前面的html实体

Skip preceding html entities in javascript regex

本文关键字：html 实体 前面 javascript 正则表达式 跳过      更新时间：2023-09-26

我使用正则表达式片段将微笑符号解析为图像，但遇到了分号问题。例如，类似微笑的；）变成WINK图标，与匹配

/;-?')/g

并且在大多数情况下有效。但是像"）这样的文本也与"WINK"匹配，因为引号实际上是一个html实体（" => &quotWINK）。

我尝试在正则表达式前面加上贪婪的非捕获匹配，以丢弃实体中的分号：

(?:"|&|<|>|'|')?

但是生成的模式仍然与"中应该跳过的分号匹配，因为它会回溯以满足非可选的后一部分。我还意识到其他合法的匹配仍然会有问题，比如EVIL:>:) => >:)。

因此，我真正需要的似乎是前面缺少分号的html实体的否定：

(?!&quot|&amp|&lt|&gt|&apos|&#039)

但它仍然匹配，我不知道为什么。

理想的情况是仍然可以得到退回的比赛，可以在没有进一步检查的情况下批量更换，但我愿意接受建议。不合适的是首先解析出html实体，因为有时它们是必要的和/或合法笑脸的一部分（就像EVIL一样）。

编辑（一些谷歌食品）：

我发现（Bryan也在下文中指出）零宽度正向后看(?<!regex)将按需工作（而不是零宽度负向前看(?!regex)）。

根据regular-expressions.info，后者"只有在前瞻性中的正则表达式不匹配时才会成功"，这听起来不错，但当该部分是可选的时就不是了。

相比之下，前者"如果前瞻内的模式可以在某个位置匹配，则在该位置匹配"，这一点并不清楚，但确实有效。因为匹配使用的是lookbacking，所以不可能通过回溯来满足正则表达式的后一部分。

因此，完整的正则表达式看起来像：

/(?<!&quot|&amp|&lt|&gt|&apos|&#039);-?')/g

并且匹配这些：;) => WINK blah;) => blahWINK &quot;;) => &quot;WINK，而不匹配：&quot;)然而，它仍然与&amp;quot;) => &amp;quotWINK匹配，因此进行更多的调整将是理想的（例如，如果不导致其他带有实体的微笑符断开，则额外匹配分号来代替"与"符号）。在聊天中输入html实体的人无论如何都不太可能出现。

无论哪种方式都"足够好"--，除非javascript不支持负查找。但是，为了其他regex实现，值得进行解释。

首先，您可以检查；-）前面的空白字符，所以这是一个更简单的选择。但是，如果您确实想在JavaScript中实现负查找——它存在于几种regex中，但不存在于JS中——您可以这样做：

var text = "& &amp; &amp;-) ;-) test;-)";
var ENTITIES_REGEX = /(&quot|&amp|&lt|&gt|&apos|&#039)?;-')/g;
var result = text.replace(ENTITIES_REGEX, function(fullMatch, backref1) {
  // Ignore if there is a backreference by returning the unaltered
  // match, otherwise return WINK
  return (backref1 ? fullMatch : 'WINK');
});
// result equals "& &amp; &amp;-) WINK testWINK"

这里有一个例子。

相关文章：