匹配html标记之外的文本

Question

在有人说之前我知道我应该使用正确的解析器，但对于我的用例，最好使用正则表达式。

我有以下正则表达式来尝试匹配html标记之外的文本：

(?<!<[^>]*)(?<Text>.+?)

然而，这似乎与标签的开头括号匹配，即< 。 我怎样才能解决这个问题？

输入示例：

<span style="color:blue">some <strong>bold</strong> text</span>

预期：

some bold text

拿到：

<some <bold< text<

链接到RegexStorm。

Answer 1

问题是你正在使用. 匹配任何角色。 将其替换为否定字符类，如[^<>]匹配除<和>任何字符并使用贪心量词* （以匹配0或更多次出现）或+ （以匹配1次或多次出现）：

(?<!<[^>]*)(?<Text>[^<>]*)

请参阅正则表达式演示

顺便说一下，在模式结尾处使用(?<Text>.+?)只会使正则表达式引擎匹配1个字符，因为+? 是一个惰性量词，匹配1次或多次出现，但尽可能少（并且因为1就足够了，它总是只匹配1个字符）。 通常，在这样一个懒惰的量化之后必须有一些其他模式，否则，它通常不会获取正确的文本。