捕获不属于 link 的特定单词的所有出现

Question

我正在尝试使用正则表达式从 HTML 文本中使用 PCRE2 方言获取单词 'apple' 的所有出现。但不包括 apple 这个词是 link.
的一部分我是 Regex 的初学者，可能我犯了一个很简单的错误。

\bapple\b

因此，以下文本必须匹配第一次出现但不匹配第二次和第三次。

Lorem ipsum apple sit amet, consectetur <a href="#">apple</a> elit <a href="/test/apple">lorem</a>.

我做错了什么？

Answer 1

我更改了您的正则表达式以查找锚点并避免 select 那一行。

/^(?!.*(\<a.*?\>)).*$/ism

Answer 2

评论升级为回答：

match me(?!.*?\<\/a\>)

Answer 3

匹配 HTML 使用正则表达式非常棘手。此处接受的答案不允许匹配位于两个单独锚标记之间的字符串，例如：

HTML:

<a href="#">Don't Match Me <span>web</span></a>
match me
<a href="#">Don't Match Me</a>match me<a href="#">Don't Match Me</a>

我之前为此使用过以下正则表达式，但这只适用于 php： https://regex101.com/r/v0FfFC/1

<a[^>]*>(?:[a-zA-Z0-9\s'\-\.,]|(?:<(.*)>.*<\/>))*<\/a>(*SKIP)(*FAIL)|\b(match me)\b(?=[^>]*(?:<|$))

Answer 4

在 PCRE 中，您可以使用此正则表达式：

~(?is)<a .*?</a>(*SKIP)(*F)|\bapple\b~

正则表达式详细信息：

Answer 5

由于 PHP 正则表达式是基于 PCRE2 的，您可以使用 (*SKIP)(*F)/(*SKIP)(*FAIL) regex:

/<a(?:\s[^>]*)?>.*?<\/a>(*SKIP)(*F)|\bMatch Me\b/is

详情

<a - <a 或 <A（因为使用了 i 标志，模式不区分大小写）
(?:\s[^>]*)? - 可选出现空白字符 (\s)，然后是 > 以外的任何零个或多个字符（参见 [^>]*）（这部分确保我们匹配 <a> 以及 <a attr=value attr2=value2...> 种标签）
> - 一个 > 字符
.*? - 任何零个或多个字符，尽可能少（s 标志也使 . 匹配换行字符）
<\/a> - </a> 或 </A>
(*SKIP)(*F) - 跳过匹配，从失败发生的位置继续寻找更多的匹配
| - 或
\bMatch Me\b - 整个单词 Match me（不包含字母、数字或 _ 个字符）。

Capturing all the occurrences of a specific word when is not part of a link