替換HTML文檔中與正則表達式匹配的字符，但標記內的字符除外

Question

我想替換HTML文檔中除模式之外的所有匹配模式的字符。 如何使用Perl或sed使用正則表達式？

示例：將所有“a”替換為“b”，但如果“a”替換為<a href="aaa">類的HTML標記，則<a href="aaa"> 。

Answer 1

正如評論中指出的那樣，HTML解析器是您解決問題的理想解決方案，但是如果您出於任何原因想要使用正則表達式，則以下方法將起作用：

a(?![^<]*>)

RegExr上的工作示例和輸入相同。

在Perl中 ：

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

輸出：

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

Answer 2

恢復這個古老的問題，因為它有一個沒有提到的簡單解決方案。

有了所有關於使用正則表達式解析html的免責聲明，這是一個簡單的方法。

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

看到這個現場演示

參考

如何匹配模式除了情況s1，s2，s3

除非......如何匹配模式