Javascript正则表达式：查找<a>标记</a>之外的所有URL <a>- 嵌套标记</a>

Question

我已经构建了这个正则表达式代码：

((https?|ftps?):\/\/[^"<\s]+)(?![^<>]*?>|[^<>]*?<\/)

第一组捕获HTML中的所有链接，第二组是否定前瞻，将标记内的任何部分排除为属性，将标记内的任何部分排除为内容。

我希望只排除<a>标签 - 因此解决方案可能只是修改最后一个术语：

[^<>]*?<\/a>

但是现在如果我有嵌套标签就会出现问题，例如<a> <b></b> 。

以下是我正在研究的示例： https ： //regex101.com/r/lM3hC5/6 （应该是10场比赛）。

消极的前瞻对我来说仍然很棘手。 我认为以下内容应该有效，但事实并非如此：

(?!<a.+?<\/a>)

https://regex101.com/r/hT1cG5/1

这些是帮助我的最后一次讨论：

• 正则表达式替换html标记之外的文本

• 正则表达式替换文本但在文本位于特定标记之间时排除

Answer 1

事实证明，最好的解决方案可能如下：

((https?|ftps?):\/\/[^"<\s]+)(?![^<>]*>|[^"]*?<\/a)

看起来负面预测只有在以量词而不是字符串开头时才能正常工作。 对于这种情况，实际上我们只能做回溯。

同样，我们只想确保HTML标记内的任何内容都不会被混淆。 然后我们从</a到第一个"符号开始做回溯（因为它不是有效的URL符号，但<>符号与嵌套标签一起出现）。

现在还可以正确找到<a>标签内的嵌套标签。 当然，代码并不完美，但它应该适用于几乎任何简单的HTML标记。 只是你可能需要小心：

• 在<a>标签内放置引号;
• 不要在没有任何属性（ 占位符 ）的<a>标签上使用此算法;
• 除非<a>标签内的URL在任何双引号之后，否则您可能需要避免使用多个嵌套标签/行。

这是一个非常好的和混乱的例子（不应该找到最后一个匹配，但它是）：

https://regex101.com/r/pC0jR7/2

遗憾的是，这个前瞻不起作用： (?!<a.*?<\\/a>)