RegEx:如果某个字符在引号内，则不匹配它

Question

披露:我已阅读 this answer很多次在这里，我知道比使用正则表达式来解析 HTML 更好。这个问题只是为了扩大我对正则表达式的了解。

说我有这个字符串:

some text <tag link="fo>o"> other text

我想匹配整个标签，但如果我使用 <[^>]+>它只匹配 <tag link="fo> .

我如何确保 >引号内可以忽略。

我可以轻松地编写一个带有 while 循环的解析器来执行此操作，但我想知道如何使用正则表达式来执行此操作。

Answer 1

正则表达式:

<[^>]*?(?:(?:('|")[^'"]*?\1)[^>]*?)*>

在线演示:

http://regex101.com/r/yX5xS8

完整说明:

我知道这个正则表达式可能让人头疼，所以这是我的解释:

<                      # Open HTML tags
    [^>]*?             # Lazy Negated character class for closing HTML tag
    (?:                # Open Outside Non-Capture group
        (?:            # Open Inside Non-Capture group
            ('|")      # Capture group for quotes, backreference group 1
            [^'"]*?    # Lazy Negated character class for quotes
            \1         # Backreference 1
        )              # Close Inside Non-Capture group
        [^>]*?         # Lazy Negated character class for closing HTML tag
    )*                 # Close Outside Non-Capture group
>                      # Close HTML tags