當代碼使用 < 和 > 編碼時，正則表達式匹配除 HTML 標記之外的任何內容

Question

我正在嘗試使用正則表達式來匹配除 HTML 標簽之外的任何文本。 我為“正常” HTML 代碼找到了這個解決方案：

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

但是，我的代碼是使用<編碼的。 和> 而不是<和> ，我無法修改上面的正則表達式以使其正常工作。

例如，給定文本：

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

我需要匹配“嗨”和“那里，你好嗎”。 請注意，在此示例中，我還需要匹配不在標簽之間的文本“hi”。

更新：因為我使用的是 ruby 的 gsub，所以看起來我什至不能使用 *SKIP 和 *F

更新 2：我試圖不詳細說明，但似乎很重要：我實際上需要替換文本中的所有空格，但不是那些作為標簽一部分的空格，無論是< ... > < ... > 標簽或<...>標簽。

Answer 1

您可以使用

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

我建議[[:blank:]]而不是\s因為我假設您不想替換換行符。 請參閱Ruby 演示。

上面的正則表達式匹配

• (&lt;.*?&gt;|<[^>]*>) - 要么< , 盡可能少的任何零個或多個字符，並且> 或< ，然后是除>之外的零個或多個字符，然后是>
• | - 或者
• [[:blank:]] - 任何單個水平空白（您也可以使用[\p{Zs}\t]匹配任何 Unicode 水平空白）。

{ $1 || '_' } 替換中的{ $1 || '_' }塊表示當第 1 組匹配時，按原樣返回第 1 組值，否則返回_作為水平空白的替換。