Problematischer RegExp

[andik2000]

Hallo, ich habe da eine härtere Nuss zu kancken.

Ich habe eine Suchfunktion, die mir die Seiten eines CMS listet, auf der der Suchbegriff gefunden wurde.

Wenn ich nun eine der Seiten anklicke, sollen mir alle Vorkommen dieses Wortes auf der Seite rot markiert werden.
Bis dahin ist es auch kein Problem.

Allerdings gibt es auch Links zu anderen Seiten oder Download-Dokumente auf dieser Seite.
Wenn nun mein Suchbegriff "Buch" ist und es einen Link zu "downloads/hoerbuch.jpg" gibt, dann wird daraus natürlich:
downloads/hoer<font color="CC0000">buch</font>.jpg

Meine regex ist ganz simpel:
$content = preg_replace("!".$keyword."!eisUS", "mark_result('\\0')", $content);

Ich habe auch schon versucht nur text zu durchsuchen, der nicht in Anführungszeichen steht:
"![^\"]*".$keyword."[^\"]*!eisUS"

Also: finde alles außer " gefolgt von $keyword geflolgt von alles außer ".
Aber das funktioniert auch nicht.

Hat jemand einen besseren Ansatz oder ganz anderen Lösungsvorschlag?
Fakt ist, dass der Link mit im Content steht, aber nicht erkannt werden soll.

Dank & Grüße,
Andi

[thommyk]

was ist denn, wenn Du nach Deinem Keyword mit Leerzeichen davor und danach suchst? Dann würdest Du solche Fälle zumindest ausschliessen.

Allerdings bleibt dann die Frage, ob dass Deiner gewünschten Suche entspricht oder ob Dir dann Treffe verlorn gehen.

[andik2000]

Ja, weil es ja auch Teilbegriffe sein können, bzw. diese auch markiert werden sollen.
Wie z.B. "buch" bei "Hörbuch" oder "Buchstabensuppe".

Aber ich könnte es soweit einschränken, dass der Suchbegriff am Wortanfang oder -ende stehen muss. Wäre dann ein Kompromiss.

Danke,
Andi

[derHund]

such doch einfach nach einem text, hinter dem ein < steht, vor dem kein > steht - dann bist du auf jeden fall außerhalb von html-tags ...

[andik2000]

Ja, aber was mache ich, wenn es keinen Link nach dem gesuchten Wort gibt? Da bekomme ich dann mit "Text, hinter dem ein < steht" keinen Treffer.

Es ist so, dass ich ein Template mit HTML-Kopf und Fuß habe. Der Content aus der DB enthällt dann weiterhin keinen Tags, es sei denn es gibt einen Link.

[derHund]

Ja, aber was mache ich, wenn es keinen Link nach dem gesuchten Wort gibt? Da bekomme ich dann mit "Text, hinter dem ein < steht" keinen Treffer.

den sonderfall habe ich extra außen vor gelasssen, weil eigentlich immer ein tag am ende einer vollständigen html-seite steht ... hast du nur teile, mußt du das pattern einfach erweitern ... mit 'oder nix davon' ... müßte doch machbar sein?

[andik2000]

Ich habe es jetzt ganz simpel gelöst:

Ich habe es um eine Funktion erweitert. Ich lasse nachdem ich alle gefundenen Texte markiert habe eine weitere Suche darüber laufen, die mir alle "<a href"s filtert...

$content = preg_replace("!<a href=\"(.*)\" !eisUS", "link_repair('\\\\1')", $content); 

und schmeisse aus dem gefundenen String die Font-Tags einfach wieder raus:

function link_repair($result){

    $result = preg_replace("#<.?font.*>#isUS", "", $result);
    $result = '<a href="'.$result.'" '; // Auch hier das Leereichen wieder dazu
    return $result;
} 

Beachtet, dass in dem RegExp hinter dem schließenden Anführungsstrichen von href noch ein Leerzeichen ist. Sonst gibts Gehacktes, da der Font-Tag im Link ja auch Anführungszeichen enthällt:
<font color="#CC0000">

Ist zwar nicht die performanteste Lösung, aber den RegExp so hinzubasteln, dass der vorab schon richtig filtert, wird wohl auch ein bisschen performance kosten.
Darum lieber zwei simple RegExp als einen mega-komplizierten.