正则表达式匹配HTML中的“>”

Question

我需要一个正则表达式，它与HTML字符串中的“>”字符匹配，但与标签的右括号不匹配。 例：

<span id =“ bla”> bla bla a> b bla bla bla <a> bla </a> </ span>

正则表达式应该匹配“>” 一个 ANB B之间

Answer 1

您可以在后面使用负数： (?<!\\<[^>]+)\\> 。
未经 测试

这将匹配任何不以HTML开头开头的>字符（以<开头且不包含>的序列）

Answer 2

以下正则表达式应该起作用：

([^/]>)+

Answer 3

您需要的是一个正则表达式，它找到“未配对”的大于号； 在标记中未包含<的> s。

试试这个： "(?<!\\<[^<>]+)\\>"应该匹配大于-而不是HTML标记的一部分； 就是说，一个结构由小于号，除尖括号字符之外的一些字符组成，然后由大于组成。

编辑：放入SLak的建议。 我将<保留在“ not match”块中，以防被匹配的小于也不也是标签的一部分，例如<<或<-。 它不应该损害模式匹配适当标签的能力。

Answer 4

一个特定的解决方案，而不只是一个警告：

“ 如果您给它不好的标记，Beautiful Soup不会窒息。它产生的解析树与原始文档的意义差不多。这通常足以收集所需的数据并消失。 ”- http：/ /www.crummy.com/software/BeautifulSoup/

不要使用正则表达式来解析html-

“ 在任何经验的程序员中，尝试用正则表达式解析HTML通常被认为是一个坏主意。 ”- 链接

和“ 您无法使用正则表达式解析[X] HTML ”-张贴本文时占4352票

“ 解析HTML是一个已解决的问题。您不需要解决它。您只需要变得懒惰。变得懒惰，请使用... ”为此目的而设计的东西。