Expression régulière pour remplacer les sauts de ligne avec un espace uniquement si la rupture ne figure pas dans le contenu d'un attribut HTML

Question

J'essaie d'écrire une expression régulière qui remplace les sauts de ligne entre certaines zones d'un fichier texte, mais uniquement en mode plain. contenu textuel (c'est-à-dire exclut le texte à l'intérieur du contenu de l'attribut HTML, comme href) mais n'a pas beaucoup de chance après la première partie.

entrée Exemple:

AUTHOR: Me 
DATE: Now 
CONTENT: 
This is an example. This is another example. <a href="http://www.stackoverflow/example- 
link-that-breaks">This is an example.</a> This is an example. This is yet another 
example. 
END CONTENT 
COMMENTS: 0 

sortie Exemple:

AUTHOR: Me 
DATE: Now 
CONTENT: 
This is an example. This is another example. <a href="http://www.stackoverflow/example-link-that-breaks">This is an example.</a> This is an example. This is yet another example. 
END CONTENT 
COMMENTS: 0 

Donc, idéalement, un espace remplace les sauts de ligne si elles se produisent dans le texte brut, mais les enlève sans ajouter d'espace si elles sont à l'intérieur Paramètres HTML (principalement href, et je vais bien si je dois le limiter).

Answer 1

Cela permettra d'éliminer les nouvelles lignes dans les valeurs d'attributs, en supposant que les valeurs sont enfermées dans des guillemets doubles:

$s = preg_replace(
     '/[\r\n]+(?=[^<>"]*+"(?:[^<>"]*+"[^"<>]*+")*+[^<>"]*+>)/', 
     '', $s); 

Le préanalyse affirme que, entre la position actuelle (où la nouvelle ligne a été trouvé) et la prochaine >, il y a un nombre impair de doubles quotes. Cela n'autorise pas les valeurs entre guillemets simples ou les chevrons entre les valeurs; les deux peuvent être accommodés si besoin est, mais c'est déjà assez laid. ;)

Après cela, vous pouvez remplacer les nouvelles lignes restantes avec des espaces:

$s = preg_replace('/[\r\n]+/', ' ', $s); 

See it in action on ideone.com.

Answer 2

Idéalement, vous utiliseriez un analyseur HTML réel (ou XML il était XHTML) et remplacer le contenu de l'attribut avec cela.

Cependant, ce qui suit peut faire l'affaire si le moteur supporte lookbehind positif de longueur arbitraire:

(?<=\<[^<>]+=\s*("[^"]*|'[^']*))[\r\n]+ 

Utilisation: Remplacer toutes les occurences de ce regex avec une chaîne vide.