html - 使用正则表达式匿名化 html

Question

我正在尝试使用正则表达式为 SQL 查询匿名化 HTML 字符串。

https://regex101.com/r/QWt1E1/1

(?<!\<)[^<>\s](?!\>)

<p><em>Hi [User</em></p>
<p><em>Tack f&ouml;r visat intresse.</em></p>
<p><em>Good luck!</em><em>&nbsp;</em></p>
<p><em>Sincerely</em></p>

<p><em>nn nnnnn</nm></p>
<p><em>nnnn nnnnnnnn nnnnn nnnnnnnnn</nm></p>
<p><em>nnnn nnnnn</nm><em>nnnnnn</nm></p>
<p><em>nnnnnnnnn</nm></p>

计划是用 n 替换 <> 内的每个字符。 . 它几乎可以工作，但在我的示例中它替换了 e在 </em> .不确定为什么以及如何解决这个问题。

如何调整正则表达式以不替换 e在示例中？

Answer 1

[^<>]*> 的否定前瞻而不仅仅是 > , 以确保当前位置后面没有 >在任何其他尖括号之前(因为这表明您当前位于标签内)。

这也意味着你可以放弃lookbehind:

[^<>\s](?![^<>]*>)
          ^^^^^^

https://regex101.com/r/QWt1E1/3

不过，如果可能的话，最好使用 HTML 解析器来解析 HTML