PHP实现仅替换<p>标签内指定文本，忽略嵌套及其他标签（Drupal9）

直接用正则操作HTML容易出现结构破坏、匹配错误等问题，推荐使用PHP内置的DOMDocument来解析和操作HTML，确保只处理<p>标签内的目标文本，同时忽略指定嵌套标签的内容。

实现逻辑 #

1. 解析HTML内容，兼容编码不规范问题
2. 遍历所有<p>标签
3. 递归遍历<p>的子节点，跳过<i>、<b>、<strong>、<table>、<figure>、<h3>等无需处理的标签
4. 对符合条件的文本节点，将指定词汇替换为链接

完整代码示例 #

<?php
// 待处理的CKEditor HTML内容
$html = '<p>My Text and an Old amoxicillin and more </p><p>My Text and an Old2 <h3>My Text under h3 and an Old amoxicillin and more </h3> Word and more </p><p>My Text and an Old3 Word and more <table>My Text under table an Old Word and more </table> </p><p>My Text and an Old3 Word and more <i>My Text under i and an Old Word and more </i> </p><p>My Text and an Old3 Word and more <strong>My Text  under strong and an Old Word and more </strong> </p><h3>My Text and an Old Word and more </h3>';

// 需替换的词汇与对应链接（可从文件读取后转为该数组格式）
$replaceMap = [
    'amoxicillin' => 'https://example.com/amoxicillin',
    'Old' => 'https://example.com/old-term'
];

// 初始化DOM解析器
$dom = new DOMDocument();
// 禁用HTML不规范时的错误提示
libxml_use_internal_errors(true);
// 加载HTML并避免自动添加<html>/<body>标签
$dom->loadHTML('<?xml encoding="UTF-8">' . $html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
libxml_clear_errors();

// 获取所有<p>标签
$pTags = $dom->getElementsByTagName('p');

// 定义需要忽略的标签列表
$ignoredTags = ['i', 'b', 'strong', 'table', 'figure', 'h3'];

// 递归处理节点的核心函数
function processNode(DOMNode $node, array $replaceMap, array $ignoredTags) {
    // 处理文本节点
    if ($node->nodeType === XML_TEXT_NODE) {
        $text = $node->nodeValue;
        foreach ($replaceMap as $word => $url) {
            // 精确匹配单词边界，避免部分匹配（如"Old"不会匹配"Old2"）
            $pattern = '/\b' . preg_quote($word, '/') . '\b/i';
            if (preg_match($pattern, $text)) {
                // 拆分文本片段
                $fragments = preg_split($pattern, $text, -1, PREG_SPLIT_DELIM_CAPTURE);
                $parent = $node->parentNode;
                // 移除原文本节点
                $parent->removeChild($node);
                // 逐个片段创建节点
                foreach ($fragments as $fragment) {
                    if (preg_match($pattern, $fragment)) {
                        // 创建带链接的<a>标签
                        $a = $parent->ownerDocument->createElement('a', $fragment);
                        $a->setAttribute('href', $url);
                        $parent->appendChild($a);
                    } else {
                        // 创建普通文本节点
                        $textNode = $parent->ownerDocument->createTextNode($fragment);
                        $parent->appendChild($textNode);
                    }
                }
                break;
            }
        }
    } 
    // 递归处理非忽略标签的子节点
    elseif ($node->nodeType === XML_ELEMENT_NODE && !in_array(strtolower($node->tagName), $ignoredTags)) {
        $children = iterator_to_array($node->childNodes);
        foreach ($children as $child) {
            processNode($child, $replaceMap, $ignoredTags);
        }
    }
}

// 处理每个<p>标签
foreach ($pTags as $p) {
    processNode($p, $replaceMap, $ignoredTags);
}

// 输出处理后的HTML
echo $dom->saveHTML();
?>

关键细节说明 #

• DOM节点操作：避免正则处理HTML的结构性风险，确保修改后HTML依然规范
• 忽略标签控制：通过$ignoredTags数组灵活配置无需处理的标签
• 精确匹配：使用\b单词边界正则，避免误匹配包含目标词汇的其他字符串
• 节点替换逻辑：直接操作DOM节点替换文本，而非字符串拼接，保证结构正确

扩展提示 #

• 若词汇列表存储在文件中，可通过file_get_contents读取后拆分转为$replaceMap格式（比如每行按词汇|链接分隔）
• 如需区分大小写，移除正则中的i修饰符即可

内容的提问来源于stack exchange，提问作者Umesh Patil