正则表达式完全匹配

Question

我正在尝试理解正则表达式：

我只需匹配 text_01 和 text_02 并过滤掉标记。

<span>text_01<b>text_02</b>

我试过这样做：

(?<=<span>)(([^>]+)<b>)(.+?)(?=</b>)

但是它捕获了3个组，并且完全匹配包含一个标记。

text_01<b>text_02

您是否可以就如何构建正则表达式提供建议？正则表达式的完整匹配仅包含文本而没有标记？

Answer 1

通过使用非捕获组，您可以将中间<b>标记排除为捕获组，但如果不包含标记，您将永远无法获得完整匹配。这是不可能的，正则表达式在捕获时不能跳过一部分。匹配必须是连续的。

(?<=<span>)(.+?)(?:<b>)(.+?)(?=<\/b>)

• 完全匹配text_01<b>text_02
• 第1组text_01
• 第2组text_02

Answer 2

使用正则表达式解析HTML会变得非常复杂。通常它是not advised practice并且更好地使用解析器（某些库使用您正在使用的任何语言）。

但是，如果您确定文字内容没有<或>，并且这些<和>未嵌套，您可以使用此：

[^<>]*(?=<[^<>]*>)

这仅匹配一对<和>后面的文字。

如果足以测试该文本后跟<，则可以简单地说：

[^<>]*(?=<)