正则表达式：匹配不包含特定文本的HTML元素

Question

我需要从html中删除任何非YouTube托管的电影。最初的要求是删除所有电影，

<object.*object>

工作得很好。现在我基本上需要做同样的事情，但前提是对象标签中的东西不是托管在youtube上的。我需要一个正则表达式模式，该模式将匹配以“youtube”开头但不包含单词“youtube”的字符串。如果我需要这个可以解决所有可能的情况，我可能需要考虑更多的事情，但上面应该可以解决手头的工作。

我一直在玩负面的前瞻，但还没有能够让它发挥作用。以下是我尝试过的一些事情：

<object.*(?!youtube).*object> - 匹配所有对象标签，因为*是贪婪的

<object.+?(?!youtube).+?object>

<object(?!youtube)*object>

还有很多其他的东西，只是进一步加强了我在黑暗中疯狂地刺伤这个。

这是在Java 1.6中

Answer 1

尝试：

(?s)<object((?!youtube).)*?object>

1. (?s)将导致DOT元字符匹配任何字符（包括换行符）
2. <object和object>必须明确
3. (?!youtube).将首先检查是否可以“看到”youtube，如果是这种情况，正则表达式将匹配任何字符
4. ((?!youtube).)*?将匹配[3]零次或多次，不情愿地（“不贪婪”）

请注意，使用正则表达式，可能会出现问题。要获得更强大的解决方案，请使用（x）HTML解析器迭代所有对象标记，并检查属性或您期望的内部html中是否存在“youtube”。

Answer 2

怎么样让它不那么贪心？ :) <object.*?(?!youtube).*?object>