Как получить повторный символ; исключая html сущности?

Question

[Алексей]

Необходимо обрезать повторный символ ;, но при этом сохранить html сущности
Пример https://regex101.com/r/PmkLHD/1
Язык php
Необходимый результат:

«Hi»;
«Hi»;
«Hi»;
«Hi»;
Hi;
Hi;
Hi;
Hi;

Answer 1

[Bright144]

Попробуй это https://regex101.com/r/VUp42x/1
Паттерн (&\w+;\w+&\w+;;);+|(\n\w+;);+

Comments

[Алексей]

Супер, спасибо огромное

Answer 2

[Stalker_RED]

$a = "«Hi»
«Hi»;
«Hi»;;
«Hi»;;;
Hi;
Hi;;
Hi;;;
Hi;;;;";

$b = html_entity_decode($a);
$c = preg_replace('/;{2,}/', ';', $b);
echo htmlentities($c);

Comments

[Алексей]

Привет, была у меня такая идея, но есть минус, к примеру в строке «Привет» «Hi» первые кавычки так же преобразуются на выходе (

Именно через регулярку чтобы сохранить все сущности как они были изначально есть решение?

[Stalker_RED]

Алексей, эти сущности бывают разной длины. Наример < Ο
lookbehind может проверять только строки фиксированной длины.
В принципе можно закостылить сделав кучу проверок на разные длины. Но тогда может проскочить не стандартная сущность, а какой-нибудь johnson&johnson;;

Забить в регулярку "словарь" со всеми возможными сущностями?
Но еще есть сущности с цифрами, и unicode entittes.

В общем это сложно все и будет работать медленно. Возможно проще свой парсер строк написать, который будет перебирать посимвольно строку, находить повторы ;; заглядывать назад на десяток символов в поисках &, проверять тело сущности по словарику или на похожесть на юникод...

В общем простого решения я не вижу, а проектировать комбайн для непонятных целей - да ну.