查找不在特定html标记之间的字符串

Question

我被要求使用正则表达式来解析HTML。我确实认为正则表达式对于HTML匹配是不好的。

我想找到一个特定的字符串，并评估它是否在两个字符串之间。

在此示例中，®必须紧接在<sup>和</sup>之间

实施例： <sup>&reg;</sup>

我认为这将涉及使用负面的前瞻和外观。我的第一个想法是：

(?<!<sup>)&reg;(?!<\/sup>)

不幸的是，这个失败了，因为我不相信你能在这个组合中做一个前瞻和后视。

只是使用负向前瞻确实有用，并且可能足以满足我的目的......

&reg;(?!<\/sup>)

...但我想知道是否有可能以这种方式结合前瞻和后视。或者我应该使用另一种技术吗？

提前致谢

Answer 1

您的初始正则表达式（即(?<!<sup>)&reg;(?!<\/sup>)）是正确的，如https://www.debuggex.com/r/WyY9y0Zq2Krz_3Xm中的示例用法所示

但是，它适用于Python和PCRE，但不适用于Javascript（您可以通过在下拉列表中选择每个来检查）。 Javascript没有负面的lookbehind支持。