Besoin d'un gourou RegEx

Question

J'essaie d'écrire un script qui analyse un bloc de HTML et fait correspondre les mots à un glossaire de termes donnés. S'il trouve une correspondance, il enveloppe le terme dans <a class="tooltip"></a> et fournit une définition.

Il travaille bien - sauf deux défauts majeurs:

1. Il correspond à texte qui est dans les attributs
2. Il correspond à texte qui est déjà dans une balise <a>, créé un lien imbriqué.

Existe-t-il un moyen pour que mon expression régulière corresponde uniquement aux mots qui ne sont pas dans les attributs, et pas aux tags <a>?

Voici le code que je utilise, dans le cas où il est pertinent:

foreach(Glossary::map() as $term => $def) { 
    $search[] = "/\b($term)\b/i"; 
    self::$lookup[strtoupper($term)] = $def; 
} 

return preg_replace_callback($search, array(&$this,'replace'),$this->content); 

Answer 1

« Ne pas le faire avec une expression régulière. »

Utilisez un analyseur HTML, puis appliquez une expression régulière au contenu des éléments HTML tels qu'ils les identifient. Cela vous permettra d'opérer facilement sur un grand nombre de variantes de structure HTML, valides ou non, sans beaucoup d'expressions régulières et d'expressions régulières difficiles à gérer.

Robust and Mature HTML Parser for PHP

Answer 2

analyse syntaxique HTML est un sujet de recherche intéressant. Que voulez-vous dire par HTML? Il y a des normes (assez peu), et il y a des pages Web. La plupart des chercheurs n'utilisent pas d'expressions régulières pour analyser HTML

Answer 3

Personnellement, je préfère this answer.