正则表达式：选择除 img 标签之外的所有内容

Question

我正在尝试使用正则表达式选择一些文本，使所有 img 标记保持不变。

我发现以下代码选择了所有img 标签：

/<img[^>]+>/g

但实际上有这样的文字：

This is an untagged text.
<p>this is my paragraph text</p>
<img src="http://example.com/image.png" alt=""/>
<a href="http://example.com/">this is a link</a>

使用上面的代码会选择img标签only

/<img[^>]+>/g #--> using this code will result in:
<img src="http://example.com/image.png" alt=""/>

但我想使用一些正则表达式来选择除图像之外的所有内容：

/magical regex/g # --> results in:
This is an untagged text.
<p>this is my paragraph text</p>
<a href="http://example.com/">this is a link</a>

我也找到了这段代码：

/<(?!img)[^>]+>/g

选择除img 之外的所有tags。但在某些情况下，我会有未标记的文本或标签之间的文本，所以这不适用于我的情况。 :(

有什么办法吗？ 抱歉，但我对正则表达式真的很陌生，所以我真的努力了几天试图让它工作，但我做不到。

提前致谢

---

更新：

好吧，对于那些认为我想解析它的人，对不起，我不想要它，我只想选择文本。

另一件事，我没有使用任何特定的语言，我使用的是Yahoo Pipes，它只提供正则表达式和一些字符串工具来完成这项工作。但它不会演化任何编程代码。

为了更好地理解这里是正则表达式模块在雅虎管道中的工作方式：

http://pipes.yahoo.com/pipes/docs?doc=operators#Regex

---

更新 2

幸运的是，我能够按照@Blixt 的建议逐步删除img 标签附近的文本，例如：

<(?!img)[^>]+> , replace with "" #-> strips out every tag that is not img
(?s)^[^<]*(.*), replace with $1  #-> removes all the text before the img tag
(?s)^([^>]+>).*, replace with $1 #-> removed all the text after the img tag

这样做的问题是它只会捕获第一个 img 标签，然后我必须手动执行它并捕获其他硬编码它，所以我仍然不确定这是否是最佳解决方案。

Answer 1

你必须找到图像标签的正则表达式可以与替换一起使用以获得你想要的。

假设您使用的是 PHP：

$htmlWithoutIMG = preg_replace('/<img[^>]+>/g', '', $html);

如果您使用的是 Javascript：

var htmlWithoutIMG = html.replace(/<img[^>]+>/g, '');

这会获取您的文本，找到<img> 标签并将它们替换为空，即。它会从文本中删除它们，留下你想要的。不记得<,> 是否需要转义。

Answer 2

正则表达式匹配只有一个开始和长度。这意味着您想要的结果在单场比赛中是不可能的（因为您希望结果在某一点结束，然后再继续）。

最接近的方法是使用正则表达式匹配从字符串开头到<img> 标记开头的所有内容、<img> 标记之间的所有内容以及从<img> 标记结尾到字符串结尾的所有内容。然后您可以从该正则表达式中获取所有匹配项（在您的示例中，将有两个匹配项）。

以上答案是假设您无法修改结果。如果您可以修改结果，只需将<img> 标记替换为空字符串即可得到您的结果。