正則表達式匹配內容直到多字符串

Question

我的輸入有缺陷，看起來像這樣......

foo<p>bar</p>

我想對其進行規范化以將前導文本包裝在 ap 標簽中：

<p>foo</p><p>bar</p>

這很容易使用/^([^<]+)/的正則表達式替換<p>$1</p> 。 問題是，有時前導塊包含 p 以外的標簽，如下所示：

foo <b>bold</b><p>bar</p>

這應該將整個塊包裝在一個新的 p 中：

<p>foo <b>bold</b></p><p>bar</p>

但是由於簡單的正則表達式只查找< ，它在<b>處停止並吐出：

<p>foo </p><b>bold</b><p>bar</p> <!-- oops -->

那么如何重寫正則表達式以匹配<p ？ 顯然答案涉及消極的前瞻，但這對我來說有點太深了。

（在不可避免的“你不能用正則表達式解析 HTML”之前，評論說，輸入不是隨機的 HTML，而是僅用標簽<p> 、 <a> 、 <b>和<i>注釋的純文本，以及a/b/i 不能嵌套。）

Answer 1

我認為你實際上想要積極的前瞻。 這真的不錯：

/^([^<]+)(?=<p)/

您只想確保<之后的任何內容都是p ，但您不想實際使用<p ，因此您使用前瞻。

例子：

> var re = /^([^<]+)(?=<p)/g;

> 'foo<p>bar</p>'.replace(re, '<p>$1</p>');
  "<p>foo</p><p>bar</p>"

> 'foo <b>bold</b><p>bar</p>'.replace(re, '<p>$1</p>')
  "foo <b>bold</b><p>bar</p>"

---

抱歉，在我的原始帖子中不夠清楚：我的期望是“foo bold”位也會被包裹在一個新的p標簽中，但這並沒有發生。

此外，有時輸入根本沒有p標簽（只是普通的foo ），這也應該 map 到<p>foo</p> 。

我發現最簡單的方法是使用 2 個單獨的正則/^(.+?(?=<p))/和/^([^<]+)/ 。

> var re1 = /^(.+?(?=<p))/g,
      re2 = /^([^<]+)/g,
      s = '<p>$1</p>';

> 'foo<p>bar</p>'.replace(re1, s).replace(re2, s);
  "<p>foo</p><p>bar</p>"

> 'foo'.replace(re1, s).replace(re2, s);
  "<p>foo</p>"

> 'foo <b>bold</b><p>bar</p>'.replace(re1, s).replace(re2, s);
  "<p>foo <b>bold</b></p><p>bar</p>"

---

通過組合re1和re2可以編寫一個等效的正則表達式：
/^(.+?(?=<p)|[^<]+)/

> var re3 = /^(.+?(?=<p)|[^<]+)/g,
      s = '<p>$1</p>';

> 'foo<p>bar</p>'.replace(re3, s)
  "<p>foo</p><p>bar</p>"

> 'foo'.replace(re3, s)
  "<p>foo</p>"

> 'foo <b>bold</b><p>bar</p>'.replace(re3, s)
  "<p>foo <b>bold</b></p><p>bar</p>"