Javascript regEx：将单词和空格包装成标签

Question

我一直在努力实现这个目标：我想在标签中将单词包装成标签和空格（可能是多个），假设原始文本可以包含不应该被删除的html标签

This is   <b>very bold</b> word. 

转换为 - >

<w>This</w><s> </s><w>is</w><s>   </s><b><w>very</w><s> </s><w>bold</w></b><s> </s><w>word</w>

什么是正确的regEx来实现这一目标？

Answer 1

你应该使用两个替换>>

s.replace(/([^\s<>]+)(?:(?=\s)|$)/g, '<w>$1</w>').replace(/(\s+)/g, '<s>$1</s>')

查看此演示 。

---

编辑 ：

对于更复杂的输入（根据下面的评论），请使用>>

s.replace(/([^\s<>]+)(?![^<>]*>)(?:(?=[<\s])|$)/g, '<w>$1</w>').replace(/(\s+)(?![^<>]*>)/g, '<s>$1</s>');

查看此演示 。

Answer 2

正则表达式不适合所有任务。 如果你的字符串可以包含任意HTML，那么就不可能使用正则表达式处理所有情况，因为HTML是一种无上下文的语言，而正则表达式只包含它们的一部分。 现在在搞乱循环和一大堆代码来处理这个问题之前，让我建议如下：

如果您在浏览器环境中或可以访问DOM库，则可以将此字符串放在临时DOM元素中，然后处理文本节点，然后再读取字符串。

这是一个使用我写了一个月的lib的例子，现在更新了，叫做Linguigi

var element = document.createElement('div');
element.innerHTML = 'This is   <b>very bold</b> word.';

var ling = new Linguigi(element);

ling.eachWord(true, function(text) {
    return '<w>' + text + '</w>';
});

ling.eachToken(/ +/g, true, function(text) {
    return '<s>' + text + '</s>';
});

alert(element.innerHTML);

示例： http ： Stackoverflow 12758422 （点击Stackoverflow 12758422按钮）