所有文本的正则表达式公式，包括 HTML 标签内，但不在“a”标签中答案

【问题标题】：Regex formula for all text including inside HTML tags, but not in 'a' tags所有文本的正则表达式公式，包括 HTML 标签内，但不在“a”标签中
【发布时间】：2019-07-14 22:17:02
【问题描述】：

我正在努力使用公式替换字符串中的文本，同时查看除“a”标签（链接）之外的所有标签。

这是我目前的公式：

\b(?<!-)text\b(?<!<[^<>]*)(?!-|[^<>]*>)

例如，我只想替换 'a' 标记之外的 'text' 实例，所以在 'p' 和 'li' 标记内：

<p>
    Some text here. <a href="#">Some more text</a>
    <ul>
        <li>Other text</li>
    </ul>
</p>

它还必须匹配整个单词，包括破折号，该公式目前可以成功地做到这一点。它也（我相信）不会替换标签本身的任何内容，即：

<li class="text">here some text</li>

它不会替换类名中的“文本”。

【问题讨论】：

使用正则表达式可能不是一个好主意：stackoverflow.com/questions/1732348/…
不同的（比如li）标签insidea标签中的文本怎么样？
a 标签内的任何东西，即使是嵌套的，都应该被忽略@MetaColon
您的公式基于哪种正则表达式？在regex101.com 上，PCRE、ECMAScript、Python 和 Golang 都有错误（所以基本上每种风格）。
但直觉上在我看来这超出了常规语言的范围，因为你必须知道你的嵌套有多深，以确保你在所有a之外标签。我想这应该不是问题，因为您很少会嵌套a 标签，但您应该注意不完美的解决方案

标签： .net regex

【解决方案1】：

这个公式应该做你想做的：

(?:\A|<\/a>)(?:[^<]|<[^a])*?(text)

匹配的结果（在这种情况下表示文本）存储在匹配的相应组（1）中。但是请注意，如果链接中有链接（如 cmets 中所述），或者文档中有奇怪的字符串，这确实会失败。另请注意，这仅匹配链接外部区域中的第一个匹配项 - 如果要替换某些内容，则必须多次运行该表达式。如果您在此类区域中最多只出现 2 次 text，则可以将此查询与此查询结合使用：

(?:\A|<\/a>)(?:[^<]|<[^a])*(text)

匹配最后一个文本。

我知道这不是最佳解决方案，因此我愿意接受改进建议。但是，我不确定 Regex 是否是这里的最佳解决方案（正如 Yunnosch 指出的那样），因为 Regex 的功能有限（毕竟，它是一种 type-3 语法）。

让我解释一下公式：

(?:\A|<\/a>) 匹配输入的开头或链接的结尾
(?:[^<]|<[^a])* 匹配所有不是标记指示的内容，或者 - 如果是 - 如果它至少不是链接的开始
? 尽可能少匹配（因此是第一个匹配）
(text)匹配实际文本（并保存在组中）

您可以使用$1 或/1 等方式访问这些组，具体取决于您的环境。

【讨论】：

感谢您的回复。它似乎不起作用 - 使用我发送的 regexstorm 链接进行测试，它突出显示的不仅仅是“文本”——当使用“hello text here”时，它会突出显示“hello text”，我认为它只是从一开始字符串
@Benjo 突出显示更多，因为相关部分（文本）在组中。由于常规语言（方式）不如上下文敏感语言强大，因此我认为这是不可能的。不过，您应该仍然能够解决使用这种方法遇到的任何问题。
@Benjo 请注意，链接中的 table 选项对于查看此内容很有用（尤其是表格的最后一列）