我正在尝试创建一个正则表达式来匹配HTML文档中的内容，但我希望排除标签本身中包含的匹配项。请考虑以下事项：
<p>Here is some sample text for my widgets</p>
<a href="http://mywidgets.nowhere">Click here to view my widgets</a>
小部件"，以便我可以用不同的字符串替换它，比如"绿色框"，而无需替换 url 中的匹配项。
匹配"小部件"就像任何事情一样容易，但是当"小部件"出现在开始和结束标签"<>"中时，我正在努力添加排除以检查"小部件"。
我目前的工作：作为第一步，我已经开始匹配"<>"中包含的"小部件"。(然后我可以继续稍后将其排除(但是，下面的字符串似乎与整个文档匹配，即使我在结束>上放置了一个排除以确保小部件出现在标签中。
<.*[^>]widgets.*[^<]>+
这可能是懒惰/贪婪，但我无法完全解决！
概述
这绝不是一个很好的答案，因为它使用正则表达式解析 HTML，但它确实适用于 OP 给出的测试用例。
请参阅正则表达式匹配开放标签，但 XHTML 自包含标签除外 了解更多信息。
<小时 />法典
在此处查看正在使用的正则表达式
(?<!<[^>]*)widgets
解释
-
(?<!<[^>]*)负回头看，确保前面的内容后面没有<除>以外的任何字符(任意次数( -
widgets从字面上匹配
这可能部分有效：
(?:^|>)[^<]*widgets
这将从一行的开头(如果使用/m标志(或标签的结尾(所以我们知道我们不在一个标签中(开始查找，并尽可能多地前进未<字符，这意味着您无法打开另一个标签，然后再查找小部件。这样做的问题是，如果你在一个标签中有一个>(例如，在javascript中(，或者如果一个标签可以跨越多行，并且它不会在同一子字符串中找到"小部件"的多个实例，它可能会给出奇怪的结果。为了解决这些问题，您最好按照ctwheels的建议使用实际的XML解析器。