正则表达式查找不属于超链接的文本答案

【问题标题】：Regular expression to find text not part of a hyperlink正则表达式查找不属于超链接的文本
【发布时间】：2010-03-06 15:40:04
【问题描述】：

我正在尝试找到一个正则表达式，我可以使用它来解析 HTML 块以查找某些特定文本，但前提是该文本不是现有超链接的一部分。我想把非链接变成链接，这很容易，但是用一个表达式来识别非链接似乎更麻烦。在以下示例中：

  This problem is a result of BugID 12.
  If you want more information, refer to <a href="/bug.aspx?id=12">BugID 12</a>.

我想要一个表达式来查找“BugID 12”，以便我可以链接它，但我不想匹配第二个表达式，因为它已经链接了。

以防万一，我正在使用 .NET 的正则表达式。

【问题讨论】：

标签： c# .net regex

【解决方案1】：

不要这样做！请参阅 Jeff Atwood 的 Parsing Html The Cthulhu Way！

【讨论】：

【解决方案2】：

如果 .Net 支持负面展望（我认为确实如此）：

(BugID 12)(?!</a>)  // match BugID 12 if it is not followed by a closing anchor tag.

但是，BugID 12 仍然存在像这样的锚点内的危险

<a href="...">Something BugID 12 Something</a>

但是你可以通过

来克服这个问题

(BugID 12)(?!(?:\s*\w*)*</a>)  // (?:\s*\w*)* matches any word characters or spaces between the string and the end tag.

免责声明：使用正则表达式解析 html 并不可靠，只能作为最后的手段或在最简单的情况下使用。我敢肯定，在很多情况下，上述表达式的表现都不尽如人意。（例如：BugID 12</span></a>）

【讨论】：