在javascript正則表達式中跳過前面的html實體

Question

我使用正則表達式片斷將笑臉解析爲圖像，並遇到分號問題。例如，表情符號等;）變成WINK圖標，針對

/;-?\)/g 

匹配，並且在大多數情況下工作。但是像「」這樣的文本也與「WINK」匹配，因爲引號實際上是一個html實體（" => &quotWINK）。

我試圖附加了一個貪婪的非獲取匹配的正則表達式來丟棄分號實體：

(?:"|&|<|>|'|')? 

但所產生的圖案仍然匹配反對"分號應忽略，因爲它回溯到滿足非可選的後一部分。我也意識到，其他合法匹配仍然存在問題，例如EVIL：>:) => >:)。

那麼看來我真的需要HTML實體缺少分號之前的否定：

(?!&quot|&amp|&lt|&gt|&apos|&#039) 

但它仍然是匹配的，我不知道爲什麼。

這將是理想的仍然是返回的比賽，可以更換沒有進一步檢查批發，但我願意提出建議。不適合的是首先解析出html實體，因爲它們有時是必要的和/或是合法笑臉的一部分（與EVIL一樣）。

---

EDIT（一些谷歌的食物）：

我發現（和Bryan也低於註明），由於所需的（不是零寬度負先行(?!regex)）零寬度正回顧後，(?<!regex)，會工作。

根據regular-expressions.info，後者「只有在前視內的正則表達式不匹配時纔會成功」，這聽起來是正確的，但不是當該部分是可選的時候。

相比之下，前者「匹配在一個位置，如果在該位置的內部模式可以匹配在該位置結束」，這一點根本不清楚，但是做到了。因爲這場比賽是使用逆序，所以沒有回溯的機會來滿足正則表達式的後一部分。

所以，一個完整的正則表達式的樣子：

/(?<!&quot|&amp|&lt|&gt|&apos|&#039);-?\)/g 

和匹配這些：;) => WINKblah;) => blahWINK";) => "WINK而如果做不到：") 但它確實仍然匹配") => &quotWINK，讓更多的調整將是理想的（如額外的匹配分號代替＆符號，如果這不會導致與其中的實體打破的其他笑臉）。無論如何，人們在聊天中輸入html實體的可能性不大。

無論哪種方式將是「足夠好」 - 除了JavaScript不支持負面倒車後衛。但爲了其他正則表達式的實現，這是值得解釋的。

Answer 1

首先，您可以檢查;-)之前的空格字符，這是一個更簡單的選項。但是，如果你想實現在JavaScript negative lookbehind - 它存在於正則表達式的幾種口味，但不是在JS一個 - 你可以做這樣的事情：

var text = "& & &-) ;-) test;-)"; 
var ENTITIES_REGEX = /(&quot|&amp|&lt|&gt|&apos|&#039)?;-\)/g; 

var result = text.replace(ENTITIES_REGEX, function(fullMatch, backref1) { 
    // Ignore if there is a backreference by returning the unaltered 
    // match, otherwise return WINK 
    return (backref1 ? fullMatch : 'WINK'); 
}); 

// result equals "& & &-) WINK testWINK" 

而這裏的an example。