c# - 匹配 html 标签之外的文本

Question

在有人说之前，我知道我应该使用合适的解析器，但对于我的用例，最好使用正则表达式。

我有以下正则表达式来尝试匹配 html 标签之外的文本:

(?<!<[^>]*)(?<Text>.+?)

然而，这似乎与标签的左括号匹配，即 < .我该如何解决这个问题？

示例输入:

<span style="color:blue">some <strong>bold</strong> text</span>

预期:

some bold text

得到:

<some <bold< text<

Link to RegexStorm.

Answer 1

问题是您正在使用 .匹配任何字符。将其替换为否定字符类，例如 [^<>]匹配除 < 以外的任何字符和 >并使用贪婪量词 * (匹配 0 次或多次出现)或 + (匹配 1 次或多次出现):

(?<!<[^>]*)(?<Text>[^<>]*)

参见 regex demo

顺便说一句，使用 (?<Text>.+?)在模式的末尾只使正则表达式引擎匹配自 +? 以来的 1 个字符是一个惰性量词匹配 1 次或多次出现但尽可能少(因为 1 就足够了，它总是只匹配 1 个字符)。通常，在这样一个延迟量化的模式之后必须有一些其他模式，否则，它通常不会获取正确的文本。