如何用正则表达式仅替换HTML缩进空格为制表符（不替换内容内空格）

问题分析 #

原代码的indent_with_tabs函数会全局替换所有连续4个空格，既没有限定只替换行首的缩进空格，还会错误修改<textarea>标签内部的内容，不符合需求。

修改后的代码 #

function indent_with_tabs($html)
{
    return preg_replace_callback(
        '/(<textarea[^>]*>.*?<\/textarea>)|(^ {4})/ms',
        function($matches) {
            // 匹配到textarea标签及内容，直接返回原内容不修改
            if (isset($matches[1])) {
                return $matches[1];
            }
            // 替换行首的4个空格为制表符
            return "\t";
        },
        $html
    );
}

// 原测试代码保留
$html = <<<EOF
<html>
    <head>
    </head>
    <body>
        <textarea rows="10" cols="40">    Hello World</textarea>
    </body>
</html>
EOF;

$indented = indent_with_tabs($html);

$expected = <<<EOF
<html>
    <head>
    </head>
    <body>
        <textarea rows="10" cols="40">    Hello World</textarea>
    </body>
</html>
EOF;

$cmp = $indented === $expected;

var_dump($cmp); // 输出 bool(true)

代码说明 #

1. 正则表达式解析
   • (<textarea[^>]*>.*?<\/textarea>)：匹配完整的<textarea>标签及其内部内容，.*?采用非贪婪匹配，避免错误覆盖多个textarea标签
   • |：分支匹配规则，要么匹配textarea内容，要么匹配行首的4个空格
   • (^ {4})：匹配每一行开头的4个连续空格，m修饰符让^锚定每一行的行首，s修饰符让.可以匹配换行符，确保textarea内部的换行被正确识别
2. 回调函数逻辑
   • 优先判断是否匹配到textarea内容，若是则直接返回原内容，跳过替换
   • 若匹配到行首的4个空格，则替换为制表符\t

注意事项 #

如果HTML结构复杂（比如存在不规范的标签嵌套、属性值包含特殊字符），正则匹配可能出现偏差，这种情况下建议使用PHP的DOMDocument类解析HTML，精准区分标签和内容后再处理缩进，兼容性更强。

内容的提问来源于stack exchange，提问作者Viewsonic