替换分号（;）但不是html字符（等）

Question

我正在为我的问题寻找正则表达式。 我有一个文本（产品规格），例如：

length: 20cm; height: 10cm; «Night» mode: yes; manufacturer : Sony© manual : yes

最终结果应如下所示

<tr><td>length</td><td>20cm</td></tr>
...
<tr><td>manufacturer</td><td>Sony&copy;</td></tr>

所以我应该为":" + whitespace characters(\s*)替换"</td><td>"，为";" + whitespace characters(\s*)替换"</td></tr><tr><td>"，但在有拉丁符号[a-z]+和{{1}的情况下不能在&之前签名。 重点是html字符，如＆amp; _nbsp; ＆安培; _laquo; ＆amp; _copy等包含“;”

换句话说;但不是:\s*。

我该怎么做？

我在smarty中的正则表达如下： “| regex_replace：”/ [：] \ s * /“：”“| regex_replace：”/ [;] \ s * /“：”“”所以唯一的办法是删除html字符...我尝试了一些组合（？！...）但没有成功 我正在寻找这样的东西 RegExp for matching three letters, but not text "BUY"

Answer 1

使用负面后卫查找分号而不是编码字符的一部分：

(?<!&[a-z]{2})(?<!&[a-z]{3})(?<!&[a-z]{4})(?<!&[a-z]{5});\s*

这个正则表达式只匹配裸露的半冒号。不幸的是，需要多个后视镜，以涵盖所有可能性，因为需要固定长度表达的负面外观。

查看此正则表达式的live demo。

Answer 2

如果您必须使用正则表达式，则可以这样执行：

1. 删除除\w : ; &
以外的所有字符
2. 将所有©替换为@@@copy###
3. 您可以将: ;替换为<td> now
4. 将所有@@@copy###替换为©
5. 删除所有 

Answer 3

怎么样：

$str = 'length: 20cm; height: 10cm; «Night» mode: yes; manufacturer : Sony© manual : yes';
$str = preg_replace('#(?!&[a-z]+); #', '</td></tr><tr><td>', $str);
$str = preg_replace('#: #', '</td><td>', $str);