替换网页中的部分内容（正则表达式）

focusonline 2006-11-07 09:52:10
请问，将网页中的内容取出，然后做替换，但不替换a、script、img之中的数据，例如：

<a href="#">前部分关键词后部分</a>
<p><a href="#">前部分关键词后部分</a></p>
<div><p><a href="#">前部分关键词后部分</a></p></div>
<span><div><p><a href="#">前部分关键词后部分</a></p></div></span>
<span><span><div><p><a href="#">前部分关键词后部分</a></p></div></span></span>
<span><span><span><div><p><a href="#">前部分关键词后部分</a></p></div></span></span></span>
<span><span><span><span><div><p><a href="#">前部分关键词后部分</a></p></div></span></span></span></span>
<a href="#"><span><span><span><span><div><p>前部分关键词后部分</p></div></span></span></span></span></a>

这样，上面的条件都应该不匹配。也就是说，无论a、script、img嵌套在哪层中，它们中间包含的数据都不替换，我写的正则如下：
new RegExp("<([^a]\\S*)([^a]+)>(.*?)"+keyword+"(.*?)<\/\\1>|<(li)>(.*?)"+keyword+"(.*?)(<|\r\n)","i");
content = content.replace(re, "<$1$2$5>$3$6<b>"+keyword+"</b>$4$7<\/$1$5>$8");
但这样有错误（第三组数据中的关键词被替换了）。请问表达式应该如何写？
...全文
645 15 打赏 收藏 转发到动态 举报
写回复
用AI写文章
15 条回复
切换为时间正序
请发表友善的回复…
发表回复
focusonline 2006-11-08
  • 打赏
  • 举报
 回复
<a><span>关键词</span></a> //不能做替换，因为嵌套在a中
<span><a>关键词</a></span> //不能做替换，因为嵌套在a中
<a><span><span>关键词</span><span></a> //不能做替换，因为嵌套在a中
<span><span><span>关键词</span><span></span> //替换，因为没有嵌套在a中

<script>alert("关键词");</script> //不能做替换，因为嵌套在script中
<span><script>alert("关键词");</script></span> //不能做替换，因为嵌套在script中
<span><span><span>关键词</span><span></span> //替换，因为里面没有嵌套在script中

<img alt="关键词"> //不能做替换，因为含有img标签
<span><img alt="关键词"></span> //不能做替换，因为含有img标签

以上除注释以后，其余的为文本内容，也就是InputString。
span可能会是div、p、li、font之类的标签。
myvicy 2006-11-08
  • 打赏
  • 举报
 回复
<html>
<body>
<textarea id="textarea1" style="height:240;width:960">
前部分关键词后部分 //替换
<a href="#">前部分关键词后部分</a> //不替换，包含在a中
<p><a href="#">前部分关键词后部分</a></p> //不替换，包含在a中
<div><p><a href="#">前部分关键词后部分</a></p></div> //不替换，包含在a中
<span><div><p><a href="#">前部分关键词后部分</a></p></div></span> //不替换，包含在a中
<a><span><div>前部分关键词后部分</div></span></a> //不替换，包含在a中
<font><a href="#">前部分关键词后部分</a>前部分关键词后部分</font> //只替换第二部分的关键词
<span>前部分关键词后部分<div>前部分关键词后部分</div></span> //两部分都要替换

<img alt="前部分关键词后部分" /> //不替换，包含在img中
<span><img alt="前部分关键词后部分" /></span> //不替换，包含在img中
<div><span><img alt="前部分关键词后部分" /></span></div> //不替换，包含在img中

<script>alert("前部分关键词后部分");</script> //不替换，包含在script中
<span><script>alert("前部分关键词后部分");</script></span> //不替换，包含在script中
<div><span><script>alert("前部分关键词后部分");</script></span></div> //不替换，包含在script中
<span><div><script>alert("前部分关键词后部分");</script></div></span> //不替换，包含在script中

<div>前部分关键词后部分</div> //替换
<span><div>前部分关键词后部分</div></span> //替换
</textarea>
<textarea id="textarea2" style="height:240;width:960"></textarea>
<script>
var str=document.getElementById("textarea1").value
var keyword = "关键词";
var myreplace="@#@@"
var re = new RegExp("(.*)?(<a.*>)(.*)"+keyword+"(.*)(<\/a>.*)","ig");
str = str.replace(re,"$1$2$3"+myreplace+"$4$5");
var re = new RegExp("(.*)?(<script.*>)(.*)"+keyword+"(.*)(<\/script>.*)","ig");
str = str.replace(re,"$1$2$3"+myreplace+"$4$5");
var re = new RegExp("(.*)?(<img.*)(.*)"+keyword+"(.*)(\/>.*)","ig");
str = str.replace(re,"$1$2$3"+myreplace+"$4$5");
var re= new RegExp("(.*?)"+keyword+"(.*?)","ig");
str = str.replace(re,"$1<b>"+keyword+"</b>$2");
var re= new RegExp("(.*?)"+myreplace+"(.*?)","ig");
str = str.replace(re,"$1"+keyword+"$2");

document.getElementById("textarea2").value =str

</script>
</body>
</html>
我测试通过了，你看看还有没有其他的特例。
focusonline 2006-11-08
  • 打赏
  • 举报
 回复
还有一种情况，就是可能没有<、>标记，如下：
想得到的结果见注释部分，请问能不能用一个正则表达式实现？
<html>
<body>
<textarea id="textarea1" style="height:240;width:960">
前部分关键词后部分 //替换
<a href="#">前部分关键词后部分</a> //不替换，包含在a中
<p><a href="#">前部分关键词后部分</a></p> //不替换，包含在a中
<div><p><a href="#">前部分关键词后部分</a></p></div> //不替换，包含在a中
<span><div><p><a href="#">前部分关键词后部分</a></p></div></span> //不替换，包含在a中
<a><span><div>前部分关键词后部分</div></span></a> //不替换，包含在a中
<font><a href="#">前部分关键词后部分</a>前部分关键词后部分</font> //只替换第二部分的关键词
<span>前部分关键词后部分<div>前部分关键词后部分</div></span> //两部分都要替换

<img alt="前部分关键词后部分" /> //不替换，包含在img中
<span><img alt="前部分关键词后部分" /></span> //不替换，包含在img中
<div><span><img alt="前部分关键词后部分" /></span></div> //不替换，包含在img中

<script>alert("前部分关键词后部分");</script> //不替换，包含在script中
<span><script>alert("前部分关键词后部分");</script></span> //不替换，包含在script中
<div><span><script>alert("前部分关键词后部分");</script></span></div> //不替换，包含在script中
<span><div><script>alert("前部分关键词后部分");</script></div></span> //不替换，包含在script中

<div>前部分关键词后部分</div> //替换
<span><div>前部分关键词后部分</div></span> //替换
</textarea>
<textarea id="textarea2" style="height:240;width:960"></textarea>
<script>
var str=document.getElementById("textarea1").value
var keyword = "关键词";
var re = new RegExp("(.*)<(^(!a|!img|!script))(.*?>.*)" + keyword + "(.*<\/\\2>)(\\1)","ig");
document.getElementById("textarea2").value = str.replace(re,"$1$2$3<b>"+keyword+"</b>$4$5");
</script>
</body>
</html>
xishanlang2001 2006-11-08
  • 打赏
  • 举报
 回复
楼上各位,你们的代码有一点小小的问题哦,假如:

<textarea id="textarea1" style="height:200;width:200"><a href="#">前部分关键词后部分</a>
<p><a href="#">前部分关键词后部分1</a></p><div><p><a href="#">前部分关键词后部分2</a></p></div>

<span><div><p><a href="#">前部分关键词后部分3</a></p></div></span>
<span><span><div><p><a href="#">前部分关键词后部分4</a></p></div></span></span>
<span><span><span><div><p><a href="#">前部分关键词后部分5</a></p></div></span></span></span>
<span><span><span><span><div><p><a href="#">前部分关键词后部分</a></p></div></span></span></span></span>
<a href="#"><span><span><span><span><div><p>前部分关键词后部分</p></div></span></span></span></span></a></textarea>
<textarea id="textarea2" style="height:200;width:200"></textarea>
<script language=javascript>
var str=document.getElementById("textarea1").value
re=/(.*)((<a(.*?)>(.*?)<\/a>)|(<script(.*?)>(.*?)<\/script>|<img(.*?)>))(.*)/ig
document.getElementById("textarea2").value=str.replace(re,"$2")
</script>

即有两个<a></a>在同一行的时候...
muxrwc 2006-11-08
  • 打赏
  • 举报
 回复
估计我们伟大的LZ是开发浏览器的。。。。。不然不会这么执着的。。
btbtd 2006-11-08
  • 打赏
  • 举报
 回复
从天上捅个窟窿, 直接把这些垃圾代码扔出地球, 这样必可大快人心.
hbhbhbhbhb1021 2006-11-08
  • 打赏
  • 举报
 回复
正则表达式很多地方都可以用到，很好的东西，不过zhaoxiaoyang说的也是，有些地方不用正则反而效果好些
在另一个帖子已经回复
http://community.csdn.net/Expert/topic/5141/5141765.xml?temp=.4769098
yifuzhiming 2006-11-08
  • 打赏
  • 举报
 回复
好麻烦哦，请教各位大哥，正则表达有什么用处
myvicy 2006-11-08
  • 打赏
  • 举报
 回复
var content = document.body.innerHTML;
for (var i = 0; i < arrayKeywords.length; i++) {
var keyword = arrayKeywords[i];
var myreplace = "@#@@"
var re = new RegExp("(.*)?(<a.*>)(.*)"+keyword+"(.*)(<\/a>.*)","ig");
content = content.replace(re,"$1$2$3"+myreplace+"$4$5");
re = new RegExp("(.*)?(<script.*>)(.*)"+keyword+"(.*)(<\/script>.*)","ig");
content = content.replace(re,"$1$2$3"+myreplace+"$4$5");
re = new RegExp("(.*)?(<img.*)(.*)"+keyword+"(.*)(\/>.*)","ig");
content = content.replace(re,"$1$2$3"+myreplace+"$4$5");
re= new RegExp("(.*?)"+keyword+"(.*?)","i");
content = content.replace(re,"$1<b>"+keyword+"</b>$2");
re= new RegExp("(.*?)"+myreplace+"(.*?)","ig");
content = content.replace(re,"$1"+keyword+"$2");
}
document.body.innerHTML = content;
focusonline 2006-11-08
  • 打赏
  • 举报
 回复
var keyword = arrayKeywords[i];
var myreplace = "@#@@"
var re = new RegExp("(.*)?(<a.*>)(.*)"+keyword+"(.*)(<\/a>.*)","ig");
content = content.replace(re,"$1$2$3"+myreplace+"$4$5");
re = new RegExp("(.*)?(<script.*>)(.*)"+keyword+"(.*)(<\/script>.*)","ig");
content = content.replace(re,"$1$2$3"+myreplace+"$4$5");
re = new RegExp("(.*)?(<img.*)(.*)"+keyword+"(.*)(\/>.*)","ig");
content = content.replace(re,"$1$2$3"+myreplace+"$4$5");
re= new RegExp("(.*?)"+keyword+"(.*?)","i");
content = content.replace(re,"$1<b>"+keyword+"</b>$2");
re= new RegExp("(.*?)"+myreplace+"(.*?)","ig");
content = content.replace(re,"$1"+keyword+"$2");
focusonline 2006-11-08
  • 打赏
  • 举报
 回复
我这部分替换是放在方法中的，只想替换第一次的位置，其中arrayKeywords是关键词数组。这样就会出现问题，第二个包含在a中的关键词会被替换。
var content = document.body.innerHTML;
for (var i = 0; i < arrayKeywords.length; i++) {
var keyword = arrayKeywords[i];
var myreplace = "@#@@"
var re = new RegExp("(.*)?(<a.*>)(.*)"+keyword+"(.*)(<\/a>.*)","i");
content = content.replace(re,"$1$2$3"+myreplace+"$4$5");
re = new RegExp("(.*)?(<script.*>)(.*)"+keyword+"(.*)(<\/script>.*)","i");
content = content.replace(re,"$1$2$3"+myreplace+"$4$5");
re = new RegExp("(.*)?(<img.*)(.*)"+keyword+"(.*)(\/>.*)","i");
content = content.replace(re,"$1$2$3"+myreplace+"$4$5");
re= new RegExp("(.*?)"+keyword+"(.*?)","i");
content = content.replace(re,"$1<b>"+keyword+"</b>$2");
re= new RegExp("(.*?)"+myreplace+"(.*?)","i");
content = content.replace(re,"$1"+keyword+"$2");
}
document.body.innerHTML = content;

测试页面的HTML代码如下(其中arrayKeywords为广告,开户,营养)：
<html>
<head>
<meta http-equiv="Content-Language" content="zh-cn" />
<title>^</title>
</head>
<body>
<a href="#">营养师远程培训</a>
<p><a href="#">营养师远程培训</a></p>
<div><p><a href="#">营养师远程培训</a></p></div>
<span><div><p><a href="#">营养师远程培训</a></p></div></span>
<span><span><div><p><a href="#">营养师远程培训</a></p></div></span></span>
<span><span><span><div><p><a href="#">营养师远程培训</a></p></div></span></span></span>
<span><span><span><span><div><p><a href="#">营养师远程培训</a></p></div></span></span></span></span>
营养师远程培训营养师远程培训广告<br />
<p><a>开户</p></a>
</body>
</html>
focusonline 2006-11-07
  • 打赏
  • 举报
 回复
上面的写错了，改成下面的也有错，倒数两行没发生替换，前面的给替换了。
<html>
<body>
<textarea id="textarea1" style="height:240;width:960"><a href="#">前部分关键词后部分</a>
<p><a href="#">前部分关键词后部分</a></p>
<div><p><a href="#">前部分关键词后部分</a></p></div>
<span><div><p><a href="#">前部分关键词后部分</a></p></div></span>
<span><span><div><p><a href="#">前部分关键词后部分</a></p></div></span></span>
<span><span><span><div><p><a href="#">前部分关键词后部分</a></p></div></span></span></span>
<span><span><span><span><div><p><a href="#">前部分关键词后部分</a></p></div></span></span></span></span>
<a href="#"><span><span><span><span><div><p>前部分关键词后部分</p></div></span></span></span></span></a>
<div>前部分关键词后部分</div>
<span><div>前部分关键词后部分</div></span>
</textarea>
<textarea id="textarea2" style="height:240;width:960"></textarea>
<script>
var str=document.getElementById("textarea1").value
var keyword = "关键词";
var re = new RegExp("(.*)(<[^a].*?>.*?)"+keyword+"(.*?<\/a>(\\1))","ig");
document.getElementById("textarea2").value=str.replace(re,"$1$2<b>"+keyword+"</b>$3")
</script>
</body>
</html>
focusonline 2006-11-07
  • 打赏
  • 举报
 回复
<html>
<body>
<textarea id="textarea1" style="height:240;width:800"><a href="#">前部分关键词后部分</a>
<p><a href="#">前部分关键词后部分</a></p>
<div><p><a href="#">前部分关键词后部分</a></p></div>
<span><div><p><a href="#">前部分关键词后部分</a></p></div></span>
<span><span><div><p><a href="#">前部分关键词后部分</a></p></div></span></span>
<span><span><span><div><p><a href="#">前部分关键词后部分</a></p></div></span></span></span>
<span><span><span><span><div><p><a href="#">前部分关键词后部分</a></p></div></span></span></span></span>
<a href="#"><span><span><span><span><div><p>前部分关键词后部分</p></div></span></span></span></span></a>
<div>前部分关键词后部分</div>
<span><div>前部分关键词后部分</div></span>
</textarea>
<textarea id="textarea2" style="height:240;width:800"></textarea>
<script language=javascript>
var str=document.getElementById("textarea1").value
var keyword = "关键字";
var re = new RegExp("(.*)((<a(.*?)>(.*?)"+keyword+"(.*?)<\/a>)|(<script(.*?)>(.*?)"+keyword+"(.*?)<\/script>|<img(.*?)>))(\\1)","ig");
document.getElementById("textarea2").value=str.replace(re,"$1$2")
</script>
</body>
</html>

现在应该将<div>前部分关键词后部分</div>
<span><div>前部分关键词后部分</div></span>中的内容替换成<div>前部分<b>关键词</b>后部分</div>
<span><div>前部分<b>关键词</b>后部分</div></span>。其它的关键字不做替换，可是这个正则没有没有实现。
hbhbhbhbhb1021 2006-11-07
  • 打赏
  • 举报
 回复
<textarea id="textarea1" style="height:200;width:200"><a href="#">前部分关键词后部分</a>
<p><a href="#">前部分关键词后部分</a></p>
<div><p><a href="#">前部分关键词后部分</a></p></div>
<span><div><p><a href="#">前部分关键词后部分</a></p></div></span>
<span><span><div><p><a href="#">前部分关键词后部分</a></p></div></span></span>
<span><span><span><div><p><a href="#">前部分关键词后部分</a></p></div></span></span></span>
<span><span><span><span><div><p><a href="#">前部分关键词后部分</a></p></div></span></span></span></span>
<a href="#"><span><span><span><span><div><p>前部分关键词后部分</p></div></span></span></span></span></a></textarea>
<textarea id="textarea2" style="height:200;width:200"></textarea>
<script language=javascript>
var str=document.getElementById("textarea1").value
re=/(.*)((<a(.*?)>(.*?)<\/a>)|(<script(.*?)>(.*?)<\/script>|<img(.*?)>))(.*)/ig
document.getElementById("textarea2").value=str.replace(re,"$2")
</script>
梅雪香 2006-11-07
  • 打赏
  • 举报
 回复
你不能把正则当成处理所有文本事件的神.它毕竟只是正则,不能做一切事情.
建议你换个方法,遍历文档树,处理所有textNode节点
正则表达式30分钟入门教程
下面是一些摘要： ●目录 本文目标 如何使用本教程 什么是正则表达式？ 入门 测试正则表达式 元字符 字符转义 重复 字符类 反义 替换 分组 后向引用 位置指定 负向位置指定 注释 贪婪与懒惰 处理选项 平衡组/递归匹配 还有些什么东西没提到 一些我认为你可能已经知道的术语的参考 网上的资源及本文参考文献 更新说明 ●本文目标 30分钟内让你明白正则表达式是什么，并对它有一些基本的了解，让你可以在自己的程序或网页里使用它。 ●如何使用本教程 别被下面那些复杂的表达式吓倒，只要跟着我一步一步来，你会发现正则表达式其实并没有你想像中的那么困难。当然，如果你看完了这篇教程之后，发现自己明白了很多，却又几乎什么都记不得，那也是很正常的——我认为，没接触过正则表达式的人在看完这篇教程后，能把提到过的语法记住80%以上的可能性为零。这里只是让你明白基本的原理，以后你还需要多练习，多查资料，才能熟练掌握正则表达式。 除了作为入门教程之外，本文还试图成为可以在日常工作中使用的正则表达式语法参考手册（就作者本人的经历来说，这个目标还是完成得不错的）。 文本格式约定：专业术语 元字符/语法格式 正则表达式 正则表达式中的一部分(用于分析) 用于在其中搜索的字符串 对正则表达式或其中一部分的说明清除格式 ●什么是正则表达式？ 在编写处理字符串的程序或网页时，经常会有查找符合某些复杂规则的字符串的需要。正则表达式就是用于描述这些规则的工具。换句话说，正则表达式就是记录文本规则的代码。 很可能你使用过Windows/Dos下用于文件查找的通配符(wildcard)，也就是*和?。如果你想查找某个目录下的所有的Word文档的话，你会搜索*.doc。在这里，*会被解释成任意的字符串。和通配符类似，正则表达式也是用来进行文本匹配的工具，只不过比起通配符，它能更精确地描述你的需求——当然，代价就是更复杂——比如你可以编写一个正则表达式，用来查找所有以0开头，后面跟着2-3个数字，然后是一个连字号“-”，最后是7或8位数字的字符串(像010-12345678或0376-7654321)。 正则表达式是用于进行文本匹配的工具，所以本文里多次提到了在字符串里搜索/查找，这种说法的意思是在给定的字符串中，寻找与给定的正则表达式相匹配的部分。有可能字符串里有不止一个部分满足给定的正则表达式，这时每一个这样的部分被称为一个匹配。匹配在本文里可能会有三种意思：一种是形容词性的，比如说一个字符串匹配一个表达式；一种是动词性的，比如说在字符串里匹配正则表达式；还有一种是名词性的，就是刚刚说到的“字符串中满足给定的正则表达式的一部分”。
正则图片下载工具，可以自定义正则表达式
正则图片下载工具（一键获取网页源代码一键下载资源图片），可自定义正则表达式；自定义网址（输入）获取源代码》筛选图片》一键下载。 如果您访问的网站无法筛选到图片 请自行修改正则表达式，如有疑问可联系我处理。 使用说明参阅：https://blog.csdn.net/uaime/article/details/128129408 单独文件仅40kb压缩包仅19kb,环境sdk:4.52，有更好的正则表达式欢迎交流。 使用方法： 修改正则表达式：选中即可。同时工具几次字符串截取和替换的2个小功能。 A{...}B 是将源码区中的代码中的，标识A,B之间的部分截取出来。结果依然在源码区查看。 A2B 是将源码中的代码用A部分用B部分内容替换。结果在源码区查看。 过滤的结果列表（列表支持选定的 ctrl+c 进行复制,del删除） 预览区：双击可以直接保存到本地。 置顶：窗口置顶 监控剪切板网址：就是说可以边复制网址，会自动粘贴到网址地址栏中。 读源码：读取网页源代码，结果到“源码区”中显示。 筛选图片：根据正则表达式进行筛取。 一键下载：将列表中的图片进行下载。 附件已经更新。欢迎下载反馈。
免费的正则表达式工具（.net framework 2.0支持）
免费好用的正则达式匹配工具，可以打开指定的网页（大部分测试通过），可以插入默认的正则表达式，可以执行替换操作等。
Python正则表达式完全指南
正则表达式处理文本有如疾风扫秋叶，绝大部分编程语言都内置支持正则表达式，它应用在诸如表单验证、文本提取、替换等场景。爬虫系统更是离不开正则表达式，用好正则表达式往往能收到事半功倍的效果。 介绍正则表达式前，先来看一个问题，下面这段文本来自豆瓣的某个网页链接，我对内容进行了缩减。问：如何提取文本中所有邮箱地址呢？ html = <style> .qrcode-app{ display: block; background: url(/pics/qrcode_app4@2x.png) no-repeat; } </style> <div class
python爬虫入门教程–正则表达式完全指南（五）
前言 正则表达式处理文本有如疾风扫秋叶，绝大部分编程语言都内置支持正则表达式，它应用在诸如表单验证、文本提取、替换等场景。爬虫系统更是离不开正则表达式，用好正则表达式往往能收到事半功倍的效果。 介绍正则表达式前，先来看一个问题，下面这段文本来自豆瓣的某个网页链接，我对内容进行了缩减。问：如何提取文本中所有邮箱地址呢？ html = <style> .qrcode-app{ display: block; background: url(/pics/qrcode_app4@2x.png) no-repeat; } </style> <div cl
JavaScript

87,910

社区成员

224,616

社区内容

发帖
与我相关
我的任务
社区描述
Web 开发 JavaScript
社区管理员
  • JavaScript
  • 无·法
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章