匹配脚本标记以外的所有标记的Ruby正则表达式

Question

例如，我有一个字符串：

content = "<h1>test</h1>\n<script>$(function(){alert('test')});</script>\n<b>bold</b>"

content.scan(/>.*?</m) # should not get the script tag content

谢谢。

Answer 1

我不确定Ruby是否支持PCRE，如果可以，您可以使用如下正则表达式动词：

<\/?script>(*SKIP)(*FAIL)|<\/?\w+>

Regex demo

如果您不能使用动词（跳过和失败），则可以使用如下的丢弃技术：

<\/?script>|(<\/?\w+>)

然后访问捕获组并获取匹配标签的内容

Answer 2

使用negative lookahead：

"<h1>test</h1>\n<script>$(function(){alert('test')});</script>\n<b>bold</b>".
  scan(/>[^<]*?<(?!\/script>)/)
#⇒ [">test<", ">\n<", ">\n<", ">bold<"]