在html标记之外匹配数据的问题

Question

我正在尝试找到一种方法来匹配任何xml或html标记内存在不的内容。我已经读过，使用正则表达式对解析xml / html来说根本不好，而且我愿意接受任何可以解决我的问题的解决方案，但是如果正则表达式工作得更好的话。

以下是我正在寻找的一个例子：

the lazy fox jumped <span>over</span> the brown fence.

我想要的是

the lazy fox jumped  the brown fence

有什么想法吗？

Answer 1

在字符串上运行此命令：

s/\(.*\)<.*>.*<.*>\(.*\)/\1\2/

您可能需要根据实现更改一些细节（例如，可能不需要转义括号），但这将完全符合您的要求（使用双空格和中间的所有内容）。

Answer 2

这可能是一种天真的技巧，但我的第一直觉是运行正则表达式，找出它在父字符串中匹配的文本，并从该字符串中删除它，返回余数。在伪代码中，

String input = "whatever";
matches = Regex.Matches(input,"<.*>.*?</.*>");
foreach (match m in Matches)
{
input = input.Remove(m.Value);
}