使用正则表达式捕获 HTML 注释但忽略某个注释

Question

我想捕获 html cmets，但特定注释除外，即

 <!-- end-readmore-item --> 

目前，我可以使用下面的正则表达式成功捕获所有 HTML cmets，

(?=<!--)([\s\S]*?)-->

为了忽略指定的注释，我尝试了前瞻和后瞻断言，但在正则表达式的高级级别上是新手，我可能错过了一些东西。

到目前为止，我已经能够使用环视设计以下正则表达式，

^((?!<!-- end-readmore-item -->).)*$

我希望它忽略 end-readmore-item 评论，只捕获其他 cmets，例如，

<!-- Testing-->

但是，它完成了这项工作，但也捕获了我也想被忽略的常规 HTML 标记。

我一直使用下面的html代码作为测试用例，

<div class="collapsible-item-body" data-defaulttext="Further text">Further 
text</div>
<!-- end-readmore-item --></div>
</div>
&nbsp;<!-- -->
it only should match with <!-- --> but it's selecting everything except <!-- 
end-readmore-item -->
the usage of this is gonna be to remove all the HTML comments except <!-- 
end-readmore-item -->

Answer 1

您可以使用以下模式：

<!--(?!\s*?end-readmore-item\s*-->)[\s\S]*?-->

Regex101 demo.

细分：

<!--                    # Matches `<!--` literally.
(?!                     # Start of a negative Lookahead (not followed by).
    \s*                 # Matches zero or more whitespace characters.
    end-readmore-item   # Matches literal string.
    \s*                 # Matches zero or more whitespace characters.
    -->                 # Matches `-->` literally.
)                       # End of the negative Lookahead.
[\s\S]*?                # Matches any character zero or more time (lazy match), 
                        # including whitespace and non-whitespace characters.
-->                     # Matches `-->` literally.

这基本上意味着：

匹配<!-- not 后跟 [一个空格^* + end-readmore-item + 另一个空格^* + -->]其中 是 后跟任意数量的字符，然后紧跟 -->。

---

^*_{一个可选空格重复零次或多次。}

Answer 2

您的否定前瞻断言非常接近，您只需将其修改如下：

<!--((?!end-readmore-item).)*?-->

*? 非贪婪匹配。

这将匹配除注释正文中包含字符串 end-readmore-item 的所有 cmets。