【正規表現】aタグ内の@user以外の、@userを取得したい。

Question

前提・実現したいこと

$content というWordPressの投稿の中から、Twitterのスクリーンネーム(@から始まり、英数字とアンダーバーで1-15文字)を検索し、それを<a href="https://twitter.com/user">@user</a>に置換する。というプログラムを作っています。

しかし下のように、文字列の中に予めリンクが含まれると二重にリンクが貼られてしまいます。
aタグの中の@userには置換を行わず、aタグの外の@userのみを置換したいです。

色々、正規表現を試してみたのですが、上手くいきませんでした。
お教え頂けると嬉しいです。

該当のソースコード

$content ='こんにちは、<a href="https://twitter.com/user1">@user1</a>と、@user2さん。';
function replace_tw_user_name_to_link( $content ) {
	$content = preg_replace( '/@([0-9a-z_]{1,15})/i', '<a href="https://twitter.com/' . '$1' . '">' . '@' . '$1' . '</a>', $content );
	return $content;
}

echo $content;
結果：'こんにちは、<a href="https://twitter.com/user1"><a href="https://twitter.com/user1">@user1</a></a>と、<a href="https://twitter.com/user2">@user2</a>さん。'

Comments

[m.ts10806]

$contentの中には他のhtmlタグが含まれている可能性もありますよね？

[m.ts10806]

$contentに入る情報の前提条件を全て提示していただければ助かります。今回悩まれているaタグ以外にもあるようであれば、そこも考慮しなければなりません。

[NaokiOhashi]

$contentはWordPressの投稿の内容を取得しています。なのでstring型ではありますが他のhtmlタグが含まれる可能性があります。

[NaokiOhashi]

質問ありがとうございます!

[m.ts10806]

WordPress　をタグに追加しておいてください。特殊な技法も多いのでWordPress的なやり方の提案がもらえるかもしれません。

[NaokiOhashi]

ありがとうございます!

[退会済みユーザー]

tweets apiでリンクされてないユーザーは存在しないユーザーでは？

[退会済みユーザー]

ツイッターアカウントは5文字以上15文字以内だな

[NaokiOhashi]

ありがとうございます! 今回はapiは使わない方向で考えていました。

[NaokiOhashi]

@aのようなユーザー名（ユーザーID）?もあったので、一文字からではないでしょうか？

[退会済みユーザー]

変更しようとしたら短すぎますって怒られましたよ

[NaokiOhashi]

仕様が変わったのかもしれないです。ただ@aがありえる以上は1-15文字に制限するのが適切かと思います。

[m.ts10806]

twitterには「名前」「ユーザー名（スクリーンネーム）」「ユーザーID」の3つの名前があるので、そこで両名の認識がずれてる気がします。

[NaokiOhashi]

ありがとうございます。3つの違いを調べました!

[NaokiOhashi]

スクリーンネーム（screen_name）を含んだ記事が投稿された時、そのアカウントへリンクを張りたいです。

[m.ts10806]

あれ？解決したのでは？

[NaokiOhashi]

あ、解決しました!すみません、やりたいことを明確に書き直していたほうが良いかと思い上の投稿しました。

Answer 1

$content ='こんにちは、<a href="https://twitter.com/user1">@user1</a>と、@user2さん。';

このケースに対応するだけなら、

'|@\w+(?!\w)(?!</a>)|' // フラグは適宜修正して下さい

これでいいと思いますが、HTMLを置換するなら、属性値の中でも誤爆しますが、そこはいいのでしょうか。
PHPならDOMDocumentもありと思います。

• PHP: DOMDocument - Manual

他に「メールアドレスの中」も誤爆しますね。

Re: NaokiOhashi さん

Comments

[NaokiOhashi]

解答ありがとうございます!
yambejpさんの解答を元に、属性値やアドレスの中でも誤爆しないように記述しました。

[NaokiOhashi]

すみません、再確認するとメールアドレスの中も誤爆しました。もう一度検討します。

[think49]

メールアドレスよりも属性値の誤爆回避の難易度が高いと思いますが、回避できましたか。
<span title="@aaa">@aaa</span>[e-mail]

開始タグの内部なのかを判定する必要がありますが、invalidなHTML <span title="></span>@user"> を認めると、コードの難易度が更に上がります。
タグを消費して、置換せずに返す事で回避する事が出来ます。

Answer 2

ちょっとバグが取りきれてないかもしれませんが、こんな感じで

function r( $content ) {
  $pattern="#<a\s.*?>.*?@?.*?</a>|(?:@)(\w+)#";
  $replacement=function($x){
    if(count($x)==1){
      return $x[0];
    }else{
      return '<a href="https://twitter.com/'.$x[1].'">@'.$x[1].'</a>';
    }
  };
  $content=preg_replace_callback($pattern,$replacement,$content);
  return $content;
}

$content ='こんにちは、@user1さん';
echo "1)".r($content)."<br>\n";
$content ='こんにちは、<a href="#">@user2</a>さん@user3@user4さん<a href="#">test</a>';
echo "2)".r($content)."<br>\n";

Comments

[NaokiOhashi]

aタグと@userのどちらかを取得して、
配列の要素数をカウントして、if文で分岐するのは思いつきませんでした。
ありがとうございます!!

Answer 3

preg_replace
limit を調節してみてください。

Comments

[NaokiOhashi]

また説明不足で申し訳ありません。

$content = 'こんにちは、'<a href="https://twitter.com/user1">@user1</a>と、@user2さん。'

$contentには上のように、複数のTwitterユーザー名を含むことを前提とします。（該当のソースコードも今修正しました）

Answer 4

解答頂いた方、ありがとうございました!

yambejpさんの解答を元に下のようにすることにしました。

• Twiiterの文字数制限（1-15）を追加。
• @を含まないaタグは正規表現ではじく。

function replace_tw_user_name_to_link( $content ) {
	$pattern="/<a\s.*?>.*?@.*?</a>|(?:@)(\w{1,15})/";
	$replacement=function($x){
		if(count($x)==1){
			return $x[0];
		}else{
			return '<a class="twitter-link" href="https://twitter.com/'.$x[1].'">@'.$x[1].'</a>';
		}
	};
	$content=preg_replace_callback($pattern,$replacement,$content);
	return $content;
}