如何修正正则表达式以正确为HTML类名wrapper添加前缀？

需求说明 #

需要批量修改HTML文件，将所有独立出现的类名wrapper替换为prefixed-wrapper，核心规则：

• 仅替换作为独立类名的wrapper，notarget-wrapper、wrapper-notarget这类包含wrapper的复合类名不能改动
• 文本内容中的wrapper、其他属性（如id）中的wrapper不做处理

示例输入 #

<div class="someclass wrapper notarget-wrapper wrapper-notarget"><a id="wrapper" class="wrapper">The term wrapper may occur as text as well</a></div>

期望输出 #

<div class="someclass prefixed-wrapper notarget-wrapper wrapper-notarget"><a id="wrapper" class="prefixed-wrapper">The term wrapper may occur as text as well</a></div>

现有代码及问题 #

用户编写的Python代码如下：

#!/usr/bin/env python

import re

snippet = '''<div class="someclass wrapper notarget-wrapper wrapper-notarget"><a id="wrapper" class="wrapper">The term wrapper may occur as text as well</a></div>'''

# building regular expressions
attrMatcher = r'''(?:class *= *[\'\&quot;]{0,1})((?:[\w -](?!\w+=|\/))+)[\'\&quot;]*'''
classMatcher = r'''wrapper(?: +|$)'''

match = re.findall(pattern=attrMatcher, string=snippet, flags=re.I)

# defining replacement function
def replaceClassname(match_obj):
    if match_obj.group() is not None:
        targetclassname = re.sub(classMatcher, 'prefixed-wrapper', match_obj.group())
        return targetclassname

# pass replacement function to re.sub()
res_str = re.sub(attrMatcher, replaceClassname, snippet)
print(res_str)

运行后出现两个问题：

1. 复合类名notarget-wrapper被错误修改为notarget-prefixed-wrapper，且类名间的空格丢失
2. <a>标签中的class="wrapper"未被替换

问题根源与修复方案 #

问题出在两个正则表达式的设计上，以下是针对性修复：

1. 修复类匹配规则 #

原正则wrapper(?: +|$)未限制wrapper的前置边界，会匹配复合类名末尾的wrapper。改为使用单词边界\b确保匹配独立类名：

classMatcher = r'\bwrapper\b'

\b会匹配非单词字符（空格、引号、连字符等）与wrapper的边界，彻底避免误匹配复合类名。

2. 修复class属性匹配规则 #

原正则无法精准捕获所有class属性内容，导致<a>标签的class未被匹配。替换为更可靠的正则，精准匹配带引号的class属性：

attrMatcher = r'''class\s*=\s*(["'])(.*?)\1'''

这个正则会完整捕获class="xxx"或class='xxx'的结构，不会遗漏任何合法的class属性。

3. 调整替换逻辑 #

结合新的正则，简化替换逻辑，直接处理捕获到的类名字符串：

def replaceClassname(match_obj):
    # 保留原引号格式，替换类名中的独立wrapper
    quote = match_obj.group(1)
    classes = match_obj.group(2)
    updated_classes = re.sub(r'\bwrapper\b', 'prefixed-wrapper', classes)
    return f'class={quote}{updated_classes}{quote}'

完整修复后的代码 #

#!/usr/bin/env python

import re

snippet = '''<div class="someclass wrapper notarget-wrapper wrapper-notarget"><a id="wrapper" class="wrapper">The term wrapper may occur as text as well</a></div>'''

# 精准匹配class属性的正则
attrMatcher = r'''class\s*=\s*(["'])(.*?)\1'''

# 定义替换函数
def replaceClassname(match_obj):
    quote = match_obj.group(1)
    classes = match_obj.group(2)
    updated_classes = re.sub(r'\bwrapper\b', 'prefixed-wrapper', classes)
    return f'class={quote}{updated_classes}{quote}'

# 执行替换
res_str = re.sub(attrMatcher, replaceClassname, snippet)
print(res_str)

运行这段代码后，会完全符合预期输出：既不会修改复合类名，也能正确替换所有独立的wrapper类名，同时保留原有的空格和引号格式。

内容的提问来源于stack exchange，提问作者Madamadam