{[^ \ <] +）<\ / a>`和`（<a。+）<\ a =“”>`？

Question

我试图不捕获锚标记，所以我用了

(?!([^\<]+)<\/a>)(\b(https?|ftp):\/\/[-A-Z0-9+&@#\/%?=~_|!:,.;]*[-A-Z0-9+&@#\/%=~_|])

排除定位标记，并选择定位标记中不存在的网址，但在这种情况下失败：

<a href="www.google.com"> <b> Google Homepage </b> </a>
由于左尖括号。

所以我想到了使用

(?!(<a.+)<\/a>)(\b(https?|ftp):\/\/[-A-Z0-9+&@#\/%?=~_|!:,.;]*[-A-Z0-9+&@#\/%=~_|])
但这不起作用吗？

任何人都请解释为什么这不起作用，以及什么可能解决我的问题。

希望我解释了这个问题，在此先感谢您的帮助。

Answer 1

从不使用正则表达式解析html。只是不要。并发症太多了，使用htmlparser之类的方法就更容易了。该链接应该可以帮助您确定：https://tomassetti.me/parsing-html/如果您不想转到该链接，以下是不同解析器的要旨：

Java

• 拉加托和杰里
• HtmlCleaner
• Jsoup

C＃

• AngleSharp
• HtmlAgilityPack

Python

• 标准库的HTML解析器
• Html5lib
• Html5-parser
• Lxml
• AdvancedHTMLParser
• 美丽汤

JavaScript

• 浏览器

  • jQuery
  • DOMParser

• Node.js

  • Cheerio
  • Jsdom
  • Htmlparser2
  • Parse5

Answer 2

尝试使用此：

(a\shref=".+"|\/?b|Google Homepage|\/?a)