正则表达式替换每个中的最后一个空格 <p> 标记

Question

我正在寻找帮助来创建正则表达式，以替换特定标签（例如<p> ）中的所有最后空格为  代替。 快速修复所有寡妇在庞大的html文档中。

例如;

    <p>Lorem ipsum dolor sit amet, consectetur adipiscing elit. Phasellus suscipit
    dolor a felis blandit sodales. Donec lectus justo, convallis vitae euismod sit.
    Nullam et tristique&nbsp;dui.</p> 
    <p>Nullam accumsan pellentesque pretium. Morbi tempor egestas lectus, 
    a eleifend enim aliquet varius. Vivamus vitae semper&nbsp;tortor.</p>

我在http://www.petefreitag.com/item/580.cfm找到了这个例子

ReReplace(text, " ([^ ]+\r?\n)", " \1", "ALL")

但是它将它添加到每个元素的每个最后一个空格中。

也感谢任何有关如何改善我写这个问题的建议，真是太棒了

Answer 1

这个问题比看起来要难一些，因为您可能有<p>元素，其中没有单词，只有一个单词或多个单词，或者在结束标记</p>之前有很多空格。 您甚至可能在段落元素中嵌套了元素，使您认为可能是孤立词的东西根本不是孤立词。 为了使事情变得更加复杂，在许多版本的HTML中，结束标记</p>实际上是可选的。

由于这些原因，建议使用HTML解析器，而不仅仅是使用regex处理HTML文件 。

仅当您知道所有<p>元素都已关闭并且<p>元素内没有嵌套元素，并且所有<p>元素具有多个单词时，才可以替换

(\S)\s+(\S+)\s*</p>

同

\1&nbsp;\2</p>

如果您愿意，可以在最后的\\s*后面加上括号，并在替换字符串中添加\\3 ，如果您希望在结束标记前保留空格。

但是在没有HTML解析器的情况下进行此类操作之前，我会非常小心。

Answer 2

假设您的html格式正确（很少见），并且不知道您使用的是哪种语言，这是一个一般性的答案：

Regex: " (?= *</p>)"
Replacement text: "&nbsp;"

正则表达式匹配一个空格，但是使用了一个前瞻性来断言匹配的空格后面是任意数量的（0-n）空格，然后是目标标记。