MySQL中html标签外文本的正则表达式匹配

Question

我在 MySQL 中有一个 sql 查询，我想要一个与不在 '' 之间的字符串匹配的表达式。例如：

select '<span class="boldtext">collaboratively site</span> – regardless of platform or language' rlike 'expression looking for boldtext' ==> should return false because 'boldtext' locates inside a html tag
select '<span class="boldtext">collaboratively site</span> – regardless of platform or language' rlike 'expression looking for platform' ==> should return true because 'platform' locates outside a html tag

我尝试了以下但没有运气。我猜是因为'*'是贪婪的。

select '...' rlike '[^[.<.]]?[^[.>.]]*platform[^[.<.]]*[^[.>.]]?' # This expression doesn't work

我知道如果在 Ruby 或 PHP 等编程语言上运行，表达式会如下所示

'<span class="boldtext">collaboratively site</span> – regardless of platform or language' =~ /((?!<[^>]*))\bboldtext\1/ # => false
'<span class="boldtext">collaboratively site</span> – regardless of platform or language' =~ /((?!<[^>]*))\bplatform\1/ # => true

我找到了similar post，但我无法为我的情况重写它。

你能帮我想出匹配字符串的表达式，而不是在 html 标记目的内（在 mysql rlike 运算符中运行）吗？

Answer 1

不幸的是，正则表达式无法可靠地解析像 HTML 这样的无限下降语言。您将需要为此使用适当的 HTML 解析器，我怀疑 MySQL 包含一个。

如果在数据库中执行此操作绝对关键，您可能会考虑创建另一个仅包含 HTML 文本表示的列（同样，使用适当的解析器删除所有标签）并在插入时设置它/修改 HTML 本身。您显然需要使它们保持同步，这可能会很痛苦，但它会极大地简化您的查询。