JavaScript中的正則表達式以匹配XML標記之外

Question

我想在標籤中查找除「a」之外的所有「<span class="get">habbitant morbi</span> triastbbitique」中的「a」的匹配項（請參閱下面的**之間的「a」）。

<span class="get">h*a*bbit*a*nt morbi</span> tri*a*stbbitique.

如果我找到他們，我要取代他們，也是我想保存原來的標籤。

這個表達式不起作用：

var variable = "a"; 
var reg = new RegExp("[^<]."+variable+".[^>]$",'gi'); 

Answer 1

請注意，這個問題不是關於解析。這很輕鬆。正則表達式經常被正確使用的東西。

如果你想用正則表達式去有一對夫婦，你可以做到這一點的方式。

• 一個簡單的黑客先行，如：

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

  注意，這不會處理的標籤<和>報價在標籤/轉義外正常。

• 形式的完全成熟的分詞器：

  (expression for tag|comments|etc)|(stuff outside that that i'm interested in) 
  

  與不依賴於哪個部分被匹配不同事物的函數替換。如果$1匹配它將在它的自我來代替，如果$2 matchehd與*$2*

完整的分詞方法當然不是一個簡單的任務，在spec isn't small更換。

但如果簡化到只匹配的基本標籤，忽略CDATA，註釋，腳本/風格標籤，等等，你可以使用以下命令：

var str = '<span class="a <lal> a" attr>habbitant 2 > morbi. 2a < 3a</span> triastbbitique'; 

var re = /(<[a-z\/](?:"[^"]*"|'[^']*'|[^'">]+)*>)|(a)/gi; 

var res = str.replace(re, function(m, tag, a){ 
    return tag ? tag : "*" + a + "*"; 
}); 

結果：

<span class="a <lal> a" attr>h*a*bbit*a*nt 2 > morbi. 2*a* < 3*a*</span> tri*a*stbbitique 

該手柄雜亂的標籤，引號和在HTML中未轉義的</>。

用正則表達式符號化的HTML標籤（應該翻譯罰款JS正則表達式）的幾個例子：

• Remove on* JS event attributes from HTML tags
• Regex to allow only set of HTML Tags and Attributes

Answer 2

我會建議to not use a regular expression to parse HTML;這不是一個正規的語法，除了簡單的情況之外，你將會遇到痛苦。

你的問題仍然是一個有點不清楚，但讓我嘗試改寫，看看我是不是正確的：

你想獲得一個給定的字符串的所有匹配的HTML文檔中，除了在比賽中<tag>屍體？

---

假設你正在使用jQuery或類似：

// Let the browser parse it for you: 
var container = document.createElement() 
container.innerHTML = '<span class="get">habbitant morbi</span> triastbbitique' 
var doc_text = $(container).text() 

// And then you can just regex away normally: 
doc_text.match(/a/gi) 

（更妙的是使用DOMParser，但不具有廣泛的瀏覽器支持還）

如果」在Node中，然後你想找一些幫助你解析HTML節點的庫（比如jsdom）;然後把所有的下一個節點都畫出來。