正则表达式忽略锚点包围的标签

Question

是否可以以及如何仅选择未被锚<a></a>标记包围的标记？
我不可能改变整个系统来使用类似DOMDocument的东西，所以我坚持使用正则表达式。 已经搜索了一段时间，但似乎（或不知道如何）找到我需要的答案。

我目前正在使用简单的正则表达式来选择我想要选择的所有标签，但我必须排除一些被锚点包围的标签，我不知道如何解决这个问题。任何帮助表示赞赏。

示例数据

Suspendisse potenti. Nam pellentesque eu lectus eget convallis. 
Curabitur <span>porta metus sem</span>, nec fermentum urna elementum ac. 
Praesent et ultrices urna. <span>Curabitur id nisl</span> in sapien ultrices laoreet vel et quam.
Cras nisi felis, vestibulum id adipiscing venenatis, dignissim vel tortor. 
<a><span>Integer sapien dolor</span></a>, pellentesque sed ultricies in, ornare eu felis. 
Cras volutpat hendrerit odio id aliquet. 

在此我选择所有<span>标签，例如'/<span>(.*?)<\/span>/'，但会选择所有跨度，因为我需要的{span}标签不在{{1}之间}。

只要它完成工作，就可以进行多步骤过程，这意味着不需要使用一个表达式选择所有内容。

Answer 1

使用否定的lookbehind：

(?<!<a>)<span>(.*?)<\/span>

这将排除<span> - 标记位于<a> - 标记的标记。

为了完整性，如果你只需要在一个完整的环境中匹配，那么添加一个负向前瞻：

(?<!<a>)<span>(.*?)<\/span>(?!</a>)

请参阅演示：http://regexr.com?374pp

Answer 2

(?<!<a.*?>)(<(?!a\b)(.*?\b).*?>.*</\2>|<(?!a\b).*?\b />)(?!</a>)

Debuggex Demo

这应匹配未被--Tags

包围的每个HTML标记

如果您只需要span-Tags的匹配器，请使用以下选项：

(?<!<a.*?>)<span.*?>.*</span>(?!</a>)

Debuggex Demo

如果您需要有关正则表达式外观断言的更多信息：http://www.regular-expressions.info/lookaround.html

Answer 3

你走了：

preg_match_all(
  '%\G(?:[^<]+|<a\b[^>]*>.*?</a>|<(?!span\b)[^>]*>)*\K<span[^>]*>.*?</span>%s',
  $subject, $result);

你确定你不能使用HTML解析器吗？ ：d

为了解释它，我首先将它放在一个更易阅读的格式中。

\G                        # (1)
(?:
    [^<]+                 # (2)
  |
    <a\b[^>]*>.*?</a>     # (3)
  |
    <(?!span\b)[^>]*>     # (4)
)*
\K                        # (5)
<span[^>]*>.*?</span>

以下是它的工作原理：

1. \G强制每场连续比赛从上一场比赛结束的位置开始。

2. 任何不是标签开头的内容

3. 一个完整的<a>元素（假设它们从不包含其他<a>元素）

4. 除<span>

之外的任何其他标记

5. \K重置匹配开始位置，因此到目前为止匹配的所有内容都不会被视为匹配的一部分。它实际上是一个积极的外观，不关心它匹配多少个字符。

通常的免责声明适用。即使在完全有效的HTML中，这种正则表达式也有很多失败的方法。例如，它假定左尖括号（<）始终标记标记的开头，当它可以在许多其他地方找到时。