求助正则表达式替换 html 中文字

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

• 请不要在回答技术问题时复制粘贴 AI 生成的内容

这是一个创建于 2283 天前的主题，其中的信息可能已经有所发展或是发生改变。

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

div

foobar

替换

href

16 条回复 • 2018-09-24 11:06:19 +08:00

leoleoasd

2018-09-23 13:02:01 +08:00

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

2018-09-23 13:27:19 +08:00 via Android

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

2018-09-23 13:34:49 +08:00

@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

2018-09-23 13:45:50 +08:00

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

2018-09-23 14:53:20 +08:00

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

2018-09-23 15:06:55 +08:00 via Android

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));