正则表达式：如果分号不属于XML实体，则在分号后查找第一个单词

Question

我有这个字符串，需要获得word2和word3，但不需要word1

this >word1 is a special ;word2 with ;word3

到目前为止，我有这个正则表达式，但它只是选择所有三个单词

(;[a-z0-9]+)

我想要的只是接收word2和word3，因为word1的分号属于XML实体。

Answer 1

你试过这个吗？

(?<!&[^ ]+)(;[a-z0-9]+)

它是＆＃34;硬编码的＆＃34;，但如果分号前面没有以＆amp;开头的字符串，它只会在分号后得到单词。

编辑：如果由于使用可变长度lookbehind这种方法不起作用，请将其替换为

(?<!&[^ ]\w{1,20})(;[a-z0-9]+)

对于所述lookbehind

的解决方法，它确实有效

Answer 2

我说：

(?:&[^ ]+?;)|;(\w+)

您只需检查组1是否存在。

或者，根据您使用正则表达式的语言，您也可以拆分任何实体（&[^\s;]+;），然后在每个块中查找单词。

如果您只想替换单词+分号，可以使用([^ ]+?;)|;\w+并替换为第一组。