替换HTML文档中与正则表达式匹配的字符，但标记内的字符除外

Question

我想替换HTML文档中除模式之外的所有匹配模式的字符。 如何使用Perl或sed使用正则表达式？

示例：将所有“a”替换为“b”，但如果“a”替换为<a href="aaa">类的HTML标记，则<a href="aaa"> 。

Answer 1

正如评论中指出的那样，HTML解析器是您解决问题的理想解决方案，但是如果您出于任何原因想要使用正则表达式，则以下方法将起作用：

a(?![^<]*>)

RegExr上的工作示例和输入相同。

在Perl中 ：

$var = "salut <a href='a.html'></a> ah ha <a href='about.asp' /> animal";
#        ^     ^       ^         ^  ^   ^  ^       ^     ^       ^   ^
$var =~ s/a(?![^<]*>)/b/g;
print $var;

输出：

sblut <a href='a.html'></a> bh hb <a href='about.asp' /> bnimbl
 ^                          ^   ^                        ^   ^

Answer 2

恢复这个古老的问题，因为它有一个没有提到的简单解决方案。

有了所有关于使用正则表达式解析html的免责声明，这是一个简单的方法。

#!/usr/bin/perl
$regex = '<[^>]*|(a)';
$subject = 'aig arother <a href="aaa">';
($replaced = $subject) =~ s/$regex/
if (defined $1)  {"b";} else {$&;} /eg;
print $replaced . "\n";

看到这个现场演示

参考

如何匹配模式除了情况s1，s2，s3

除非......如何匹配模式