正在与正则表达式斗争。任何人都可以根据这些规则使用此文本进行匹配吗？

Question

案文是：

<div class="left right">Lorem Ipsum is simply dummy text of the printing and</div> typesetting industry. Lorem Ipsum has been the industry's standard dummy text ever since the 1500s, when an unknown printer took a galley of type and scramble'd it to make-shift type <a href="google.com">specimen book</a> and something [tag]else[/tag].

基本上我要做的就是在遵守这些规则的同时提取上述所有词语：

1. word可以包含破折号和撇号（上面的扰乱和转换）
2. 字不能在链接标记内
3. 字不能在块标记内 - [tag]
4. word不能是标签名称或html（class =“，div，a，tag等）中的一部分

我最初的想法是删除那些我不需要的标签和内容。然而，即便如此，我发现很难说上述div之间的所有内容都匹配，但不匹配“div”或“class”或“left right”这个词。

感谢任何帮助。我目前有：

\s?[a-zA-Z0-9\'\-]+\s?

我知道这是可耻的。

Answer 1

这应该有效：

[^＆LT;＆GT; \ [\]] +（=并[d？[]）

Answer 2

这适用于.NET正则表达式引擎，但这是少数几个支持负面反复重复的人之一。

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