当代码使用 < 和 > 编码时，正则表达式匹配除 HTML 标记之外的任何内容

Question

我正在尝试使用正则表达式来匹配除 HTML 标签之外的任何文本。 我为“正常” HTML 代码找到了这个解决方案：

<[^>]*>(*SKIP)(*F)|[^<]+

但是，我的代码是使用<编码的。 和> 而不是<和> ，我无法修改上面的正则表达式以使其正常工作。

例如，给定文本：

Hi <p class=\"hello\">\r\nthere, how are you\r\n</p>

我需要匹配“嗨”和“那里，你好吗”。 请注意，在此示例中，我还需要匹配不在标签之间的文本“hi”。

更新：因为我使用的是 ruby 的 gsub，所以看起来我什至不能使用 *SKIP 和 *F

更新 2：我试图不详细说明，但似乎很重要：我实际上需要替换文本中的所有空格，但不是那些作为标签一部分的空格，无论是< ... > < ... > 标签或<...>标签。

Answer 1

您可以使用

text = text.gsub(/(&lt;.*?&gt;|<[^>]*>)|[[:blank:]]/m) { $1 || '_' }

我建议[[:blank:]]而不是\s因为我假设您不想替换换行符。 请参阅Ruby 演示。

上面的正则表达式匹配

• (&lt;.*?&gt;|<[^>]*>) - 要么< , 尽可能少的任何零个或多个字符，并且> 或< ，然后是除>之外的零个或多个字符，然后是>
• | - 或者
• [[:blank:]] - 任何单个水平空白（您也可以使用[\p{Zs}\t]匹配任何 Unicode 水平空白）。

{ $1 || '_' } 替换中的{ $1 || '_' }块表示当第 1 组匹配时，按原样返回第 1 组值，否则返回_作为水平空白的替换。