如何正则表达式匹配不属于模式的单个字符？

Question

如果我有这样的字符串：

&#263;; Joh&#263;; Smith <js@comms.com>; ;boom&#703;;woopwoop; ;

并且我希望匹配所有不属于该 html 实体的分号，我可以使用什么正则表达式技术？

我有几次以消极的眼光接近了，到目前为止我最好的尝试如下：

(?<!&#.+?[^;]);

然而，这不会匹配将这场胜利带回家所需的所有分号。

我正在使用 php。

我正在考虑先用标记替换 html 个实体，然后替换分号，最后将实体替换回字符串中。

这看起来很笨拙和不雅所以我宁愿用正则表达式来做，即使它有点笨拙。

编辑：@sln 提供了一个正则表达式，它将 select 几乎所有实体，正如他指出的那样，这应该是试图避免某些事情的第一步。

(?i)[%&](?:[a-z]+|(?:#(?:[0-9]+|x[0-9a-f]+)));

虽然问题是关于如何 select 单个字符，但在字符串中找到的字符除外，我提供的数据的上下文使它成为一个非常有用的正则表达式，可以了解并附加到这个问题。

Answer 1

您可以匹配并跳过实体并匹配所有其他上下文中的分号：

$s = preg_replace('~&#\w+;(*SKIP)(*F)|;~', 'NEWTEXT', $s);

见regex demo

详情:

• &#\w+; - &#，后跟 1 个以上的字符和 ;
• (*SKIP)(*F) - 当前匹配失败的两个 PCRE 动词，并在文本匹配后继续寻找下一个匹配
• | - 或
• ; - 一个分号。