正则表达式捕获除某些标签以外的所有文本

Question

假设我有一个字符串，例如：

Lorem ipsum dolor sit amet, <foo attr="something">consectetur adipisicing elit</foo>, sed do eiusmod <bar>tempor incididunt</bar> ut labore et dolore <baz>magna aliqua</baz>.

我正在寻找不属于选定标签子集的所有文本。在此示例中，仅<foo> 和 <bar> 标记。我不希望能够用一个正则表达式来做到这一点，我需要一些 JS 代码，它可以让我在这些特定标签之外操作文本，然后重新构成整个字符串，修改。

例如，假设我想用 * 替换所有字母 a。期望的输出是：

Lorem ipsum dolor sit *met, <foo attr="something">consectetur
*dipisicing elit</foo>, sed do eiusmod <bar>tempor incididunt</bar> ut l*bore et dolore <b*z>magn* *liqu*</b*z>.

注意<baz> 标签是如何被修改的。

Answer 1

我在 RegExp 方面还不够好，无法组合这样的东西。不过，我会说to not parse HTML with RegExp。

我建议您查看使用 XML 解析器进行解析/过滤。你可以使用 JS 的原生 DOM 工具来做你想做的事：

1. 从您的container 节点创建一个document fragment
2. 在document fragment 中，删除要过滤掉的节点
3. 将original container 替换为您的document fragment