正则表达式替换 html 标签外的文本

Question

我有这个 HTML：

"This is simple html text <span class='simple'>simple simple text text</span> text"

我只需要匹配任何 HTML 标记之外的单词。我的意思是，如果我想匹配“simple”和“text”，我应该只从“This is simple html text”和最后一部分“text”中得到结果——结果将是“simple” 1 match，“text” 2火柴。谁能帮我解决这个问题？我正在使用 jQuery。

var pattern = new RegExp("(\\b" + value + "\\b)", 'gi');

if (pattern.test(text)) {
    text = text.replace(pattern, "<span class='notranslate'>$1</span>");
}

• value 是我要匹配的词（在本例中为“简单”）
• text 是 "This is simple html text <span class='simple'>simple simple text text</span> text"

我需要用<span> 包装所有选定的单词（在本例中是“简单”）。但我只想包装 any HTML 标记之外的单词。这个例子的结果应该是

This is <span class='notranslate'>simple</span> html <span class='notranslate'>text</span> <span class='simple'>simple simple text text</span> <span class='notranslate'>text</span>

我不想替换里面的任何文字

<span class='simple'>simple simple text text</span>

应该和替换前一样。

Answer 1

好的，试试这个正则表达式：

(text|simple)(?![^<]*>|[^<>]*</)

Example worked on regex101.

细分：

(         # Open capture group
  text    # Match 'text'
|         # Or
  simple  # Match 'simple'
)         # End capture group
(?!       # Negative lookahead start (will cause match to fail if contents match)
  [^<]*   # Any number of non-'<' characters
  >       # A > character
|         # Or
  [^<>]*  # Any number of non-'<' and non-'>' characters
  </      # The characters < and /
)         # End negative lookahead.

如果text 或simple 位于html 标记之间，则负前瞻将阻止匹配。

Answer 2

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

然而这是一个非常幼稚的表达。最好使用 DOM 解析器。