本文介绍一种安全、可靠的短语级文本替换策略，通过两阶段占位符机制避免子词误匹配（如“telephone”被错误替换而干扰“mobile telephone number”），并确保长匹配优先，适用于实时输入场景下的术语/缩写自动标注。
本文介绍一种安全、可靠的短语级文本替换策略，通过两阶段占位符机制避免子词误匹配（如“telephone”被错误替换而干扰“mobile telephone number”），并确保长匹配优先，适用于实时输入场景下的术语/缩写自动标注。
在开发实时文本处理功能（如输入时自动缩写术语）时，一个常见却棘手的问题是：短语匹配必须严格优先于其组成部分的单词匹配。例如，当字典中同时存在 "Mobile telephone number" → "M/TEL" 和 "Telephone" → "TEL" 时，若直接按任意顺序执行正则替换，"mobile telephone number" 很可能被错误地拆解为 "M/TEL number" 或 "TEL number" —— 因为 "Telephone" 先被匹配并替换，破坏了原始短语结构。
根本原因在于：String.prototype.replace() 是贪婪且不可逆的；一旦 "Telephone" 被替换成 <span>TEL</span>，原字符串中 "Mobile telephone number" 的完整词边界就已不复存在，后续无法再匹配该短语。
✅ 正确解法：两阶段占位符替换（Two-Pass Placeholder Substitution）
该方案分两步彻底隔离匹配与渲染逻辑：
- 第一阶段（扫描与占位）：遍历所有待替换项（按长度降序排序），对原文本中每个完整短语匹配，用唯一、无歧义的纯文本占位符（如 __replacement:0）临时替代，并记录该占位符对应的真实 HTML 片段；
- 第二阶段（批量还原）：将所有占位符一次性替换为带 <span> 标签的富文本内容。
这样既保证了长匹配优先（避免短词提前“污染”上下文），又完全规避了 HTML 标签干扰正则词边界（）的风险。
以下是优化后的实现代码（含关键注释）：
let dictionary = {
"M": {
"Mobile telephone number": "M/TEL"
},
"T": {
"Telephone": "TEL"
}
};
// ✅ 步骤1：扁平化字典 + 按短语长度降序排序（确保"Mobile telephone number"优先于"Telephone"）
const replacements = Object.values(dictionary)
.flatMap(obj => Object.entries(obj))
.sort((a, b) => b[0].length - a[0].length); // 长度从长到短
function abbreviateText() {
const input = document.getElementById("input").value;
let output = input;
const found = []; // 存储 [占位符索引, 真实HTML] 元组
// ✅ 步骤2：第一阶段 —— 扫描并占位
for (const [phrase, abbr] of replacements) {
const regex = new RegExp(`\b${phrase}\b`, "gi");
if (regex.test(output)) {
// 使用唯一索引占位符，避免冲突
const placeholder = `__replacement:${found.length}`;
output = output.replace(regex, placeholder);
found.push([
found.length,
`<span class="tooltip" data-tooltip="${phrase}">${abbr}</span>`
]);
}
}
// ✅ 步骤3：第二阶段 —— 批量还原占位符为HTML
for (const [index, html] of found) {
const placeholderRegex = new RegExp(`__replacement:${index}`, 'g');
output = output.replace(placeholderRegex, html);
}
document.getElementById("output").innerHTML = output;
}? 关键注意事项：
- 必须排序：replacements.sort(...) 是核心保障。若 "Telephone" 在 "Mobile telephone number" 前被处理，后者将永远无法匹配；
- 占位符需唯一且安全：__replacement:N 采用下划线+固定前缀，确保不会与用户输入自然重合；禁止使用 @, $, {} 等可能出现在普通文本中的符号；
- 仅限纯文本输入：该方案假设 input.value 不含 HTML（如用户未粘贴富文本）。若需支持 HTML 输入，应先剥离标签或改用 DOM 解析方案；
- 性能友好：两轮遍历时间复杂度仍为 O(n)，远优于嵌套正则或回溯匹配，在常规文本长度下可流畅响应 oninput 事件。
此方法已验证可正确处理嵌套、重叠及多层级缩写场景，是构建专业级实时文本标注系统的稳健基础方案。
