如何匹配HTML标签中未包含的所有引号？

Question

在以下字符串中......

var str = 'Foobar is so "awesome."  I <span prop="nifty">"really"</span> <span prop="attr">think it is so</span> <span prop="nifty" prop="attr">"cool!"</span>'

...我如何编写一个正则表达式,匹配单词awesome,really和cool周围的引号("),而不匹配HTML标签中的引号？

我正在使用JavaScript的替换函数替换引号 "

我希望有一个正则表达式,我可以使用这样......

str.replace(/regex-magic/g, """)

..给我输出...

Foobar is so `&#34;`awesome.`&#34;`  I <span prop="nifty">`&#34;`really`&#34;`</span> <span prop="attr">think it is so</span> <span prop="nifty" prop="attr">`&#34;`cool!`&#34;`</span>

非常感谢!!

Answer 1

与往常一样,使用正则表达式进行HTML/XML处理是一个非常糟糕的主意.

无论如何,我想可以使用以下正则表达式:

([^<]*<[^>]*>[^<]*)*?\"(.*?)\"

第一组用于确保每个打开的标签也被关闭.第二组确保您匹配引号之间的任何内容.

但是,如果您希望正确执行此操作,则可以使用tidy它将其转换为xml文件,然后使用例如xmlint执行XPath查询.我确信Javascript也有这样的工具.

示例(in bash):

$ echo 'Foobar is so "awesome."  I <span prop="nifty">"really"</span> <span prop="attr">think it is so</span> <span prop="nifty" prop="attr">"cool!"</span>' | tidy -asxhtml -numeric 2>/dev/null | xmllint --html --xpath 'normalize-space(/)' - | grep -P -o '".*?"'
"awesome."
"really"
"cool!"