使用正则表达式匿名化 html答案

【问题标题】：Anonymize html with regex使用正则表达式匿名化 html
【发布时间】：2019-05-29 08:51:35
【问题描述】：

我正在尝试使用正则表达式匿名化一个 HTML 字符串，用于 SQL 查询。

(?<!\<)[^<>\s](?!\>)

<p><em>Hi [User</em></p>
<p><em>Tack f&ouml;r visat intresse.</em></p>
<p><em>Good luck!</em><em>&nbsp;</em></p>
<p><em>Sincerely</em></p>

<p><em>nn nnnnn</nm></p>
<p><em>nnnn nnnnnnnn nnnnn nnnnnnnnn</nm></p>
<p><em>nnnn nnnnn</nm><em>nnnnnn</nm></p>
<p><em>nnnnnnnnn</nm></p>

计划是用n 替换不在中的每个字符。它几乎可以工作，但在我的示例中，它替换了</em> 中的e。不知道为什么以及如何解决这个问题。

如何调整正则表达式以不替换示例中的e？

【问题讨论】：

【解决方案1】：

对[^<>]*> 而非仅> 进行负前瞻，以确保当前位置后面没有任何其他尖括号之前的>（因为这表明您当前位于标签内）。

这也意味着您可以放弃后视：

[^<>\s](?![^<>]*>)
          ^^^^^^

如果可能的话，最好还是使用 HTML 解析器来解析 HTML

【讨论】：