正则表达式 - 匹配HTML标签以外的所有内容

Question

我已经搜索过这个但找不到适合我的解决方案。 我需要正则表达式模式，它将匹配除html标签之外的所有文本，所以我可以使它cyrilic（这显然会破坏整个html =））

所以，例如：

<p>text1</p>
<p>text2 <span class="theClass">text3</span></p>

我需要匹配text1，text2和text3，所以像

preg_match_all("/pattern/", $text, $matches)

然后我会迭代匹配，或者如果可以用preg_replace完成，用textA / B / C替换text1 / 2/3，那就更好了。

Answer 1

正如您可能知道的那样，正则表达式不是一个很好的选择（这里的一般建议是使用Dom解析器）。

但是，如果您需要快速正则表达式解决方案，请使用此方法（请参阅demo）：

<[^>]*>(*SKIP)(*F)|[^<]+

这是如何工作的，左边<[^>]*>匹配完成<tags>，然后(*SKIP)(*F)导致正则表达式失败，引擎前进到后面的字符串中的位置匹配标记的最后一个字符。

这是对exclude patterns from matches的一般技术的应用（阅读链接的问题以获取更多细节）。

如果您不想让匹配跨越多行，请将\r\n添加到匹配的否定字符类中，如下所示：

<[^>]*>(*SKIP)(*F)|[^<\r\n]+

Answer 2

这个RegEx怎么样：

/(?<=>)[\w\s]+(?=<)/g

<强> Online Demo

Answer 3

请使用PHP DOMDocument类来解析XML内容：

PHP Doc