匹配除 html 標簽內容以外的所有文本

Question

我想在下面的示例中匹配 html 標簽 div 之外的文本 我應該使用什么正則表達式模式？ 謝謝！

 Match me 1 <div>Hello World.</div> Match me 2.

更新：這是一個格式不正確的自由文本 HTML 但它里面有自定義/HTML 標簽，我需要提取不在標簽內的文本以進行進一步處理......

Answer 1

嘗試使用這種模式：

(^([\s\S]*?)(?=<div>))|(((?<=<\/div>))([\s\S]*?)(?=<div>))|((?<=<\/div>)[\s\S]*)

怎么運行的

^匹配字符串的開頭

\s匹配任何空白字符（空格、制表符、換行符）

\S匹配任何不是空白字符的字符（空格、制表符、換行符）

*匹配任何東西， ? 非貪婪（匹配所需的最少字符數）

| 用於組合一個或多個模式

()表達式將作為一個組進行匹配

(?=<div>)這是一個組構造，在進行任何匹配之前需要轉義<div> 。

為什么需要? 這里？

Match me1 <div><div>Hello World!</div> Match me 2 <div>Hello World!</div> Match me 3.

默認情況下，正則表達式是貪婪的，這意味着它將盡可能匹配。 因此，如果您使用上述模式，它將 select 所有文本直到第三個<div>但通過添加非貪婪量詞? 使正則表達式只有 select 所有文本直到第一個<div>