在正則表達式中匹配html標記內容

Question

我知道「不要使用html的正則表達式」，但嚴重的是，加載整個html解析器並不總是一個選項。

所以，這裏是該方案

<script...> 
    some stuff 
</script> 

<script...> 
    var stuff = '<'; 
    anchortext 
</script> 

如果你這樣做：

<script[^>]*?>.*?anchor.*?</script> 

你會從第一個腳本標記在第二塊/腳本捕捉。有沒有辦法做一個。*？但通過替換。與一個匹配塊，像這樣的：

<script[^>]*?>(^</script>)*?anchor.*?</script> 

我看着負向lookaheads等，但我不能得到的東西正常工作。通常我只是使用[^>] *？以避免跑過關閉塊，但在此特定示例中，腳本內容中包含「<」，並且在到達錨點文本之前停止匹配。

爲了簡化，我需要[^ z] *之類的東西？但不是單個字符或字符範圍，我需要一個捕獲組來匹配一個字符串。

.*?(?!z) doesn't have the same effect as [^z]*? as I assumed it would. 

這裏是我卡在其中：http://regexr.com?34llp

Answer 1

比賽，任何事情，但的確通常與負先行執行：

((?!exclude).)*? 

訣竅是沒有.點重複。但要確保字符不是被排除的單詞的開始，而是使它與任何字符相繼匹配。

在你的情況，你會希望有這個代替初始.*?

<script[^>]*?>((?!</script>).)*?anchor.*?</script> 

Answer 2

這樣的：

$pattern = '~<script[^>]*+>((?:[^<]+?|<++(?!/script>))*?\banchor(?:[^<]+?|<++(?!/script>))*+)</script>~'; 

但DOM是遠遠更好的方式來做到這一點。