正则表达式解析＆lt;＆gt;中的字符

Question

我想删除<>之间出现的所有字符，除非它以<&开头。

这是因为内部系统需要一些宏标记，但需要从字符串中删除所有HTML。

我有部分工作，但它也删除了标签之间的细节，例如它也会从内部删除'word'：

<span>word</span>

我的正则表达式是：

(<[^&]*>)|(&nbsp;)

可以通过示例文本找到：

http://regexr.com/39hfj

Answer 1

<[^&]*>匹配<>之间的任何字符串，只要它没有&即可。您希望匹配其中没有&和>的任何字符串。请使用<[^&>]*>。 （另一种方法是使用其他答案中提到的惰性标志）。

顺便说一下，这个输入字符串的预期行为是什么？

some text <a title="a & b">hello</a>

您当前的正则表达式与此字符串中的开始锚标记不匹配，因为它包含&。但是我相信只有当&紧跟<后才关注&，对吗？

在这种情况下，您只需要确保第一个字符不是(<[^&].*?>)

|

但这不符合空标签;如果您关心空标签，请使用(<[^&].*?>|<>)

添加标签

{{1}}

Answer 2

您应该在星号后添加?非贪婪，并在第一次出现>时停止：(<[^&]*?>)|(&nbsp;)