正则表达式在 html 锚标记内不匹配 [重复]

Posted 2023-03-05

【中文标题】正则表达式在 html 锚标记内不匹配 [重复]

【英文标题】：Regex to not match inside html anchor tag [duplicate]

【发布时间】：2017-10-04 07:05:02

【问题描述】：

我有一个要求，当出现在锚标记之间时，我不必匹配特定的单词。锚标签可以嵌套其他html标签。

例如：

    <a title="Test" href="http://www.google.com/"><span style="color: blue;">Test</span></a><p>Test - MANUALLY<br /><br /><a href="http://www.google.com">Google</a>&nbsp;</p><p> Resolving as duplicate of Test</p><p>Test  test</p>

这里每个“测试”都会被选中。我想要的只是得到“锚标签”中不存在的“测试”，也不是“锚标签”属性的一部分。

我使用的正则表达式是：

    (?!<a[^>]*>)(Test)(?![^<]*<\/a>)/gi

【问题讨论】：

您需要某种 SAX 解析器来知道打开的锚标记何时开始。首先检查您想要查找的文本内容。当你得到一个打开的锚标记时，忽略涌入的文本内容。等待关闭的锚，然后继续搜索进入的文本内容。

什么编程语言？

***.com/questions/1732348/…

@revo 我正在使用 C#。

【参考方案1】：

不确定这是否能满足您的需求，但第二个捕获组应该只包含不属于锚标记的匹配项。

(<a.*?<\/a>)|(test)/gi

https://regex101.com/r/rTLifk/1

但是，我强烈建议使用 XML 解析器或 XPath。