修复 HTML 中缺失引号的 PHP 正则表达式教程

本文介绍如何使用 `preg_replace` 安全修复老旧 HTML 内容中缺失引号的属性值（如 `

⚠️ 重要限制与注

意事项

• 不适用于复杂场景：该方案无法处理内联 JavaScript（如 onclick="alert('x')" 中的单引号干扰）、多行 HTML、注释 或 CDATA 块。若数据含大量脚本，建议先剥离
• 避免过度匹配：原始提问中的 /()/ 存在两大缺陷：① (.)* 应为 (.*)（否则仅捕获最后一个字符）；② 强制以 h 开头，完全忽略 src=, id=, class= 等其他属性。
• XML 导出前必须验证：补引号后仍需用 DOMDocument 进行最终校验，确保结构合法：

  $dom = new DOMDocument();
  libxml_use_internal_errors(true); // 抑制警告
  $dom->loadHTML($output, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
  if (libxml_get_errors()) {
      throw new Exception("HTML 仍存在语法错误");
  }

? 进阶建议：超越正则的稳健方案

对于关键业务数据，强烈建议弃用纯正则修复，改用成熟的 html 解析器：

• 使用 Html5PHP 或 DOMDocument 加载并遍历所有元素，安全重写属性；
• 或借助 Tidy 自动修复（支持 tidy_repair_string()，可配置 output-xhtml 和 quote-ampersand）。

? 总结：正则适合快速清理简单、可控的历史数据；但长期维护或高可靠性场景，请转向基于 DOM 的解析方案——它不依赖字符串模式，真正理解 HTML 结构，杜绝因引号嵌套、转义或标签嵌套导致的误修风险。