匹配html標記之外的文本

Question

在有人說之前我知道我應該使用正確的解析器，但對於我的用例，最好使用正則表達式。

我有以下正則表達式來嘗試匹配html標記之外的文本：

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

然而，這似乎與標簽的開頭括號匹配，即< 。 我怎樣才能解決這個問題？

輸入示例：

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

預期：

some bold text

拿到：

<some <bold< text<

鏈接到RegexStorm。

Answer 1

問題是你正在使用. 匹配任何角色。 將其替換為否定字符類，如[^<>]匹配除<和>任何字符並使用貪心量詞* （以匹配0或更多次出現）或+ （以匹配1次或多次出現）：

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

請參閱正則表達式演示

順便說一下，在模式結尾處使用(?<Text>.+?)只會使正則表達式引擎匹配1個字符，因為+? 是一個惰性量詞，匹配1次或多次出現，但盡可能少（並且因為1就足夠了，它總是只匹配1個字符）。 通常，在這樣一個懶惰的量化之后必須有一些其他模式，否則，它通常不會獲取正確的文本。