Как составить регулярное выражение исходя из следующих условий?

Question

[Валентин]

Доброго всем дня! Столкнулся со следующей проблемой: Мне необходимо заменить спец символы. Делаю сейчас это следующим способом :

this.replaceStandardHtmlEntities = (text) => {
                let regular = /( {2}|&|'|<|>|\\n)/g,
                    translate = {
                        '  ': '&nbsp',
                        '&': '&amp',
                        '\'': '&quot',
                        '<': '&lt',
                        '>': '&gt',
                        '\\n': '<br>'
                    };

                return (text.replace(regular, (match, entity) => {
                    return translate[entity];
                }));
            };

Но моя задача немного усложнилась, мне необходимо игнорировать 'a' тэг, к примеру:

<a href = http://stackoverflow.com/questions/19006441/html-regex-ignore-tags>stackoverflow.com/questions/19006441/html-regex-ignore-tags</a>

Содержимое тэга, т.е (stackoverflow.com/questions/19006441/html-regex-ignore-tags) не должно игнорироваться. Регулярка на матч тэга есть

(?!<\/?a+((\s+\w+(\s*=\s*(?:\".*?"|'.*?'|[^'\">\s]+))?)+\s*|\s*)\/?>)

а вот совместить эти вещи, увы не получается.
Буду вам очень благодарен за любую помощь, т.к бьюсь с этой проблемой целый день =(

Answer 1

[Алексей Немиро]

В ситуациях, когда нужно изолировать фрагменты текста от обработки, проще всего перед обработкой их маскировать. Заменить на что-нибудь, что точно не попадет под обработку. А после обработки вернуть назад.

this.replaceStandardHtmlEntities = (text) => {
  // маскируем ссылки
  text = text.replace(/\<a([^\>]*)\>/g, String.fromCharCode(1) + 'a$1' + String.fromCharCode(1));
  text = text.replace(/\<\/a\>/g, String.fromCharCode(1) + '/a' + String.fromCharCode(1));

  // остальной код без изменений
  let regular = /( {2}|&|'|<|>|\\n)/g, translate = {
    '  ': '&nbsp',
    '&': '&amp',
    '\'': '&quot',
    '<': '&lt',
    '>': '&gt',
    '\\n': '<br>'
  };

  // результат замены передаем в переменную
  let result = (text.replace(regular, (match, entity) => {
    return translate[entity];
  }));
  
  // возвращаем ссылки обратно
  result = result.replace(/\x01a([^\x01]*)\x01/g, '<a$1>');
  result = result.replace(/\x01\/a\x01/g, '</a>');
  
  return result;
};

Смотреть в JSFiddle

Comments

[Валентин]

Благодарю вас за помощь, но все таки хотелось бы прояснить пару делатей : что именно возвращает String.fromCharCode(1))? Почему вместо него не подставить x01. И собственно, я же правильно понимаю, что x01 означает Start of heading (исходя из этой статьи www.utf8-chartable.de/unicode-utf8-table.pl?number... )? Мы же могли поставить и x00, т.е главный смысл в том, что пользователь не может этот символ ввести?

[Алексей Немиро]

Валентин: x - указывает не то, что число шестнадцатеричное. В регулярном выражении можно десятичные использовать: \001, а в unicode с префиксом u: \u0001.

В данном случае это ничего не означает, можно использовать любой символ (включая NUL (\x00)).

Да, главный смысл исключить пересечение с вводимыми символами. Непечатаемый символ пользователь просто так ввести не сможет и вероятность возникновения с этим проблем равна практически нулю.

[Валентин]

Благодарю вас за ответ, Алексей! Т.е в регулярках можно толкьо десятичные использовать?

[Алексей Немиро]

Валентин: можно любые символы использовать:

\NNN - десятичный ASCII код (один байт: 0-255). Например: \032 - пробел, \255 - буква "я" в Windows-1251;
\xNN - шестнадцатеричный ASCII код (один байт: 0-255 (00-FF)). Встречается чаще всего. Например: \x20 - пробел; \xFF - буква "я" в Windows-1251 ;
\uNNNN - шестнадцатеричный код Unicode (два байта: 0-65535 (0000-FFFF)). Например: \u0020 - пробел, \u044F - буква "я", \u263A - сайлик и т.п.

Можно использовать символ как есть, но с непечатаемыми, некоторыми спец.символами и символами unicode могут быть проблемы, поэтому надежней использовать коды символов.

[Валентин]

Алексей Немиро: Благодарю вас еще раз, за такое подробное объяснения. Плюс вам в карму)