Javascript 正则表达式：查找 <a> 标签之外的所有 URL - 嵌套标签

Question

我已经构建了这个正则表达式代码：

((https?|ftps?):\/\/[^"<\s]+)(?![^<>]*?>|[^<>]*?<\/)

第一组捕获 HTML 中的所有链接，第二组是否定前瞻，以排除标记内的任何部分作为属性以及标记内的任何部分作为内容。

我希望只<a>排除标签 - 因此解决方案可能是仅将最后一项修改为：

[^<>]*?<\/a>

但现在如果我有嵌套标签，例如<b></b>在<a>.

这是我正在处理的示例：https://regex101.com/r/lM3hC5/6（应该是 10 个匹配项）。

负向预测对我来说仍然很棘手。我认为以下内容应该有效，但事实并非如此：

(?!<a.+?<\/a>)

https://regex101.com/r/hT1cG5/1

这些是对我有帮助的最后讨论：

• 正则表达式替换html标签之外的文本

• 正则表达式替换文本，但当文本位于特定标记之间时排除

Answer 1

事实证明，最好的解决方案可能如下：

((https?|ftps?):\/\/[^"<\s]+)(?![^<>]*>|[^"]*?<\/a)

看起来，只有当负前视以量词而不是字符串开头时，它才能正常工作。对于这种情况，实际上我们只能进行回溯。

再次强调，我们只是想确保 HTML 标签内的属性不会被弄乱。</a然后我们从第一个符号开始回溯"（因为它不是有效的 URL 符号，但<>符号带有嵌套标签）。

现在，标签内的嵌套标签也<a>可以正确找到。当然，该代码并不完美，但它应该适用于几乎所有简单的 HTML 标记。只是您可能需要小心一点：

• 在标签内放置引号<a>；
• 不要在<a>没有任何属性（占位符）的标签上使用此算法；
• 并且您可能需要避免使用多个嵌套标签/行，除非标签内的 URL<a>位于任何双引号之后。

这是一个非常好的但混乱的示例（不应该找到最后一个匹配项，但它确实找到了）：

https://regex101.com/r/pC0jR7/2

遗憾的是，这种前瞻不起作用：(?!<a.*?<\/a>)