正则表达式不匹配部分序列,但匹配完整序列

Question

我有一些像这样的转义HTML:

<img border='0' />

我正在尝试匹配和替换完整的转义序列,'但不是部分的,比如39,因为39实际上并不是未转义的字符串.实质上,每个转义序列应该被视为一个令牌.

这是一个JS正则表达式.有没有一种方法来排除之间的匹配&,并;同时还接受包括这两个字符序列？

期望的结果:

• 搜索<img border='0' />为lt:不匹配.
• 搜索<img border='0' />为39:不匹配.
• 搜索<img border='0' />为':匹配.
• 搜索<img border='0' />为border=':匹配.

当前代码:

> var str = '<img border='0' />'
> str.replace(/(border)/gi, '|$1|')
'<img |border|='0' />'  // ok
> str.replace(/(39)/gi, '|$1|')
'<img border=&#0|39|;0&#0|39|; />'  // not ok

注意:我不能无意中重新逃脱以匹配.它必须逃脱.

Answer 1

OP 希望 JavaScript 正则表达式能够匹配并替换转义 HTML 中的字符串，同时将转义序列（例如<、'或）视为单个字符，并且在替换过程中不会取消转义 HTML 字符串。

这意味着替换

1. "lt"with "[lt]"in"< lt"会导致"< [lt]"（避免实体内匹配）
2. "<"with "[<]"in"< lt"会导致"[<] lt"（匹配实体）
3. "&l"with "[&l]"in"< &lt"会导致"< [&l]t"（不匹配部分实体）
4. "t;"with "[t;]"in"< lt;"会导致"< l[t;]"（不匹配部分实体）
5. "< l"with "[< l]"in"< lt"会导致"[< l]t"（包括实体的匹配）
6. "lt; &l"with "[lt; &l]"in"< &lt"会导致"< &lt"（不匹配部分实体）
7. "t; <"with "[t; <]"in"lt; <"会导致"l[t; <]"（包括实体的匹配）
8. "t; &lt"with "[t; &lt]"in"lt; <"会导致"lt; <"（不匹配部分实体）

使用以下正则表达式捕获转义序列（例如<、'或），

/&[a-z]+;|&#x[a-f\d]+;|&#\d+;/gi

我们可以使用以下函数作为处理上述大多数情况的起点（#1、#2、#4、#5 和 #7）：

function searchAndReplace(searchFor, replacement, str) {
  return str.replace(
    new RegExp(
      prepare(searchFor) + 
      "|(&[a-z]+;|&#x[a-f\\d]+;|&#\\d+;)", // consume entities
      "gi"
    ),
    function(m, entity) {
      return entity || replacement;
    }
  );
}

function prepare(str) {
  return str.replace(/[^\w\s]/g, "\\$&"); //escape regex metachars [1]
}

// [1] from http://eloquentjavascript.net/09_regexp.html#h_Rhu25fogrG

其余情况（#3、#6、#8）涉及搜索字符串末尾潜在的部分转义序列。

解决方案是检查searchFor字符串末尾是否有潜在的部分转义序列，并附加相应的否定前瞻(?!)以防止匹配有效的转义序列。完整的解决方案（通过一组大约 40 个测试用例）如下所示，并且应该比方法更快且更简单.exec()：

/&[a-z]+;|&#x[a-f\d]+;|&#\d+;/gi