正则表达式获取文本中的文本并忽略格式为 <xxx> 的文本

Question

假设我有以下文字：这是一个文字

如果我只想得到“这是一个文本”，那么正则表达式将是：

(?<=\<tag\>).*(?=\<\/tag\>)

现在想象一下，文本是这样的：

<tag> <Arial>This is a text<Arial></tag>

现在得到“这是一个文本”并忽略其他所有内容的正则表达式会是什么？ Arial这个词可能不是固定的，而是变化的。

提前致谢。

Answer 1

这取决于正则表达式的风格。如果您的正则表达式允许backreferences，您可以使用：

\<(\w+)\>([^<>]*)\<\/\1\>

而\1会引用(\w+)的内容。

在这种情况下，文本“This is a text”将与组 2 匹配（请参阅demo）。

请注意，在大多数情况下，您不能在 lookbekind 中使用 +。

否则，您必须更广泛并使用以下内容：

(?<=\>)[^<>]*(?=\<)

无论如何，最好的解决方案可能是使用 DOM 解析器。