当代码使用 < 和 > 编码时，正则表达式匹配 HTML 标签以外的任何内容
Regex to match anything except HTML tags when code is encoded using < and >
我正在尝试使用正则表达式来匹配除 HTML 标签之外的任何文本。我找到了“正常”HTML 代码的解决方案：
<[^>]*>(*SKIP)(*F)|[^<]+
但是，我的代码是使用 < 和 > 而不是 < 和 > 编码的，我无法为此修改上面的正则表达式上班。
例如，给定文本：
Hi <p class=\"hello\">\r\nthere, how are you\r\n</p>
我需要匹配“hi”和“there, how are you”。请注意，我还需要匹配不在标签之间的文本，在此示例中为“hi”。
更新：因为我正在使用 ruby 的 gsub，看起来我什至不能使用 *SKIP 和 *F
更新 2：我试图不涉及太多细节，但似乎很重要：
我实际上需要替换文本中的所有空格，但不是那些属于标签的空格，无论是 < ... > 标签还是 <...> 标签。
您可以使用
text = text.gsub(/(<.*?>|<[^>]*>)|[[:blank:]]/m) { || '_' }
我建议使用 [[:blank:]] 而不是 \s，因为我假设您不想替换换行符。见 Ruby demo.
上面的正则表达式匹配
(<.*?>|<[^>]*>) - <，任何零个或多个尽可能少的字符，以及 > 或 <，然后 [=] 以外的零个或多个字符17=] 然后是 >| - 或[[:blank:]] - 任何单个水平空格（您也可以使用 [\p{Zs}\t] 来匹配任何 Unicode 水平空格）。
替换中的 { || '_' } 块表示当第 1 组匹配时，按原样返回第 1 组值，否则返回 _ 作为水平空白的替换。
我正在尝试使用正则表达式来匹配除 HTML 标签之外的任何文本。我找到了“正常”HTML 代码的解决方案：
<[^>]*>(*SKIP)(*F)|[^<]+
但是，我的代码是使用 < 和 > 而不是 < 和 > 编码的，我无法为此修改上面的正则表达式上班。
例如，给定文本：
Hi <p class=\"hello\">\r\nthere, how are you\r\n</p>
我需要匹配“hi”和“there, how are you”。请注意，我还需要匹配不在标签之间的文本，在此示例中为“hi”。
更新：因为我正在使用 ruby 的 gsub，看起来我什至不能使用 *SKIP 和 *F
更新 2：我试图不涉及太多细节，但似乎很重要：
我实际上需要替换文本中的所有空格，但不是那些属于标签的空格，无论是 < ... > 标签还是 <...> 标签。
您可以使用
text = text.gsub(/(<.*?>|<[^>]*>)|[[:blank:]]/m) { || '_' }
我建议使用 [[:blank:]] 而不是 \s，因为我假设您不想替换换行符。见 Ruby demo.
上面的正则表达式匹配
(<.*?>|<[^>]*>)-<，任何零个或多个尽可能少的字符，以及>或<，然后 [=] 以外的零个或多个字符17=] 然后是>|- 或[[:blank:]]- 任何单个水平空格（您也可以使用[\p{Zs}\t]来匹配任何 Unicode 水平空格）。
替换中的 { || '_' } 块表示当第 1 组匹配时，按原样返回第 1 组值，否则返回 _ 作为水平空白的替换。