正则表达式的挑战 - 在HTML文档中找到“foobar”

Question

我有一个相当长和复杂的HTML文档，我需要找到给定字符串的所有出现，例如， “foobar”，除非它位于<a>和</a>锚标签之间。

问题是：它可能位于锚标记之间的某些文本内，例如，

<a>this is a foobar test</a> 

即使在这种情况下，我应该不找到匹配。

我该怎么用一个正则表达式？我不会有麻烦找到<a>foobar</a>等等 - 但要找到每一个“foobar的” 除了时，它的锚标记之间，并通过可能有很多其他的文字环绕似乎有点棘手.....

任何想法??

答：
我们结束了使用这个表达式来解决这个问题 - 万一有人是）好奇，或b）在同一个地方:-)

(?<!\<A.*(?=\<\/A))Test(?!\<\/A.*(?=\<A)) 

Answer 1

'foobar(?![^<]*</a>)' 

作品对我来说最简单的情况。它显然不会对a标签中的其他标签产生抵触。

Answer 2

你应该能够做到负面看法和loohbehind模式。这里是一个很好的教程：

http://www.regular-expressions.info/lookaround.html

Answer 3

试试这个：

$str = 'foobar <a>this is a foobar <span>foobar</span> test</a> foobar'; 

$pattern = '<a(?:[^"\'>]+|"[^"]*"|\'[^\']*\')*>(?:[^<]+|(?!<\/a\s*>)<)*<\/a\s*>'; 
$parts = preg_split('/('.$pattern.')/', $str, -1, PREG_SPLIT_DELIM_CAPTURE); 
$isLink = (bool) preg_match('/^'.$pattern.'$/', $parts[0]); 
foreach ($parts as &$part) { 
    if (!$isLink) { 
     $part = str_replace('foobar', '!!!found!!!', $part); 
    } 
    $isLink = !$isLink; 
} 
$str = implode('', $parts); 

echo htmlspecialchars($str);