php正则表达式，如果不在HTML标记中，则匹配字符串

Question

我正在尝试解决Drupal的Hashtags模块中的此错误： http ://drupal.org/node/1718154

我有此功能，可匹配文本中以“＃”为前缀的每个单词，例如#tag：

function hashtags_get_tags($text) {
    $tags_list = array();
    $pattern = "/#[0-9A-Za-z_]+/";
    preg_match_all($pattern, $text, $tags_list);
    $result = implode(',', $tags_list[0]);
    return $result;
    }

我需要忽略页面中的内部链接，例如<a href="#reference">link</a> ，或者更一般而言， 忽略 HTML标记中出现的带有＃前缀的任何单词（因此以<和开头通过>）。

知道我该如何实现吗？

Answer 1

是否可以因为匹配而首先剥离标签（使用strip_tags函数）？

function hashtags_get_tags($text) {

    $text = strip_tags($text);

    $tags_list = array();
    $pattern = "/#[0-9A-Za-z_]+/";
    preg_match_all($pattern, $text, $tags_list);
    $result = implode(',', $tags_list[0]);
    return $result;
}

如果您只想匹配不在 HTML标记内的主题标记，则正则表达式将非常棘手。

Answer 2

您可以使用preg_replace事先丢弃标签

function hashtags_get_tags($text) {
$tags_list = array();
$pattern = "/#[0-9A-Za-z_]+/";
$text=preg_replace("/<[^>]*>/","",$text);
preg_match_all($pattern, $text, $tags_list);
$result = implode(',', $tags_list[0]);
return $result;
}

Answer 3

我使用PHP DOM进行了此功能。

它返回所有在href中带有#链接。

如果希望它仅删除内部哈希标签，请替换此行：

if(strpos($link->getAttribute('href'), '#') === false) {

有了这个：

if(strpos($link->getAttribute('href'), '#') !== 0) {

这是功能：

function no_hashtags($text) {
    $doc = new DOMDocument();
    $doc->loadHTML($text);
    $links = $doc->getElementsByTagName('a');
    $nohashes = array();
    foreach($links as $link) {
        if(strpos($link->getAttribute('href'), '#') === false) {
            $temp = new DOMDocument();
            $elem = $temp->importNode($link->cloneNode(true), true);
            $temp->appendChild($elem);
            $nohashes[] = $temp->saveHTML();
        }
    }
    // return $nohashes;
    return implode('', $nohashes);
    // return implode(',', $nohashes);
}