正则表达式：在锚标记中查找忽略内部文本的单词答案

【问题标题】：Regex: Find Word ignoring innertext in Anchor tag正则表达式：在锚标记中查找忽略内部文本的单词
【发布时间】：2012-02-13 22:07:06
【问题描述】：

使用 .NET。

要搜索的示例字符串：

For more information on foreclosures visit <a href="http://www.us.gov/foreclosures.aspx">forclosures</a>

需要正则表达式来查找（并随后替换）这个字符串中的单词 foreclosures...但只有锚标记之外的实例。所以在这个例子中，只有单词“foreclosures”的第一个实例应该匹配。锚标记内的任何内容都应完全忽略。

我目前的正则表达式（还没有正确排除内部文本）是：

\bforeclosures(?!([^<]+)?>)

更新：在已经提供第一个响应之后... 我使用的是 VB.NET，但我也精通 C#。

【问题讨论】：

标签： .net regex regex-negation

【解决方案1】：

有时最好多一步做事而不是一步做事。与其花几个小时想出完美的正则表达式来统治它们，不如先删除所有 html 标签，只需调用Regex.Replace：

// Remove html tags
var htmlTagPattern = new Regex(@"<([A-Z][A-Z0-9]*)\b[^>]*>", RegexOptions.IgnoreCase);
var noTags = htmlTagPattern.Replace(input, string.Empty);

// Find those words
var foreclosuresPattern = new Regex(@"foreclosures", RegexOptions.IgnoreCase);
var matches = foreclosuresPattern.Matches(noTags);

编辑：原来的帖子只提到了finding字。替换字词的需要增加了一点复杂性。

// Try and find all cases
private string findAndTag(string input) {
    var pattern = new Regex(@"(\x3c[A-Z][A-Z0-9]*[^\x3e]*)?(foreclosures)([^\x3c\x3e]*>)?", RegexOptions.IgnoreCase);
    return pattern.Replace(matches, replacer);
}

private string replacer(Match match) {
    if (match.Groups[1].Success) {
        // Found the word foreclosures inside a tag, for
        // example <a href="foreclosures">...
        // Just return the original match - don't replace
        return match.Value;
    }
    else {
        // Found the word outside of tags
        // Tag it and return it
        return "<span>" + match.Value + "</span>";
    }
}

【讨论】：

问题是我必须找到并用同一个词的标记版本替换这个词，但只能在锚标记之外。
从语法上讲，您提供的正则表达式在 RegExBuddy 中给了我一些问题......在）？部分，你能确认一下正则表达式吗？
它在正则表达式中运行良好：regexr.com?2vp50 - 在我的测试 ConsoleApp 中运行良好。