用正则表达式的代码卡住应用HTML标签的文本，但如果排除里面标签

Question

可能重复：
RegEx match open tags except XHTML self-contained tags用正则表达式的代码卡住应用HTML标签的文本，但如果排除里面<?>标签

我想写一点正则表达式这将请阅读由我们的编辑撰写的一些文本，并将<acronym>标签应用到它找到的我们的“术语词汇表”中的缩写集的第一个实例。

因此，对于此示例，我使用了缩写ITS。

我想我做的第一个事情是设置与scenerios的组合我可以测试反对，即ITS坐在标点符号，HTML标签&那些我们已经应用了已经（换句话说为例脚本之前已经完成了，所以不需要再做）。

我几乎没有，但只是卡住在最后一个点:-(

这里是到目前为止，我已经得到了正则表达式 - <[^<|]+?>?>ITS<[^<]+?>|ITS

的例子 - 从（每周ITS IN BOLD要与缩略WRAPPED）：

I want you to tag thisITS, but not this wrapped one - <acronym title="ITS" id="thisIsATest">ITS</acronym>

这又是一个考验，因为我还是想更新<p>ITS</p>有各地them.`

包裹其它的HTML标签及其希望那些开始的句子和那些完成ITS。 ITS，和那些被包裹在punctuation.`

Test link: <a href="index.cfm>ITS</a>

---

，我想将其更改为：

I want you to tag this <acronym title="ITS">ITS</acronym>，但不是这一个包裹 - <acronym title="ITS">ITS</acronym>

This is another test as I still want to update <acronym title="ITS">ITS</acronym>具有其它的HTML标签周围them.`

<acronym title="ITS">ITS</acronym> want ones that start sentences and ones that finish <acronym title="ITS">ITS</acronym>. <acronym title="ITS">ITS</acronym>, and ones which are wrapped in punctuation.

Test link: <acronym title="ITS"><a href="index.cfm>ITS</a></acronym>

---

包裹是否有任何注册防爆专家在那里，可以帮助我完成这一关？任何其他提示提示也将不胜感激。

**更新** 不知道如果这有助于但这会发现仅在该段：

<acronym[^<]*ITS</acronym>

，这会发现所有的ITS：

<[^<]*>ITS<[^<]*>|ITS

我真正需要的是一种组合这些的方式来说找到所有的ITS，但排除标签中的那些。

非常感谢， 詹姆斯

附：如果这可以帮助任何人使用特定的语法，这将被放置在ColdFusion应用程序中。

---

这里的HTML我试图解析：

http://pastebin.com/5k32aG8i

Answer 1

工作的呢？

(?!(<acronym\W*>|\w))ITS(?!(<acronym\W*>|\w)) 

没有经过测试，因为我没有的ColdFusion

看起来ColdFusion的不支持lookbehinds。但是，仍然可以使用lookahead（(?!...)）确保字符串（ITS）后面没有跟着</acronym>。

\\WITS(?!(</acronym\\W*>|\\w)) 

既然你不能使用lookbehinds，你需要\ W在开始的时候，以确保该字符串不是另一个词的一部分。不幸的是，如果匹配，它会吃掉前一个字符。 \ w在最后也确保它不是一个单词的一部分。

Answer 2

这是你的基本问题：正则表达式不是解析器。这个问题已经被多次讨论过了，只有正则表达式没有通用的解决方案。通过使用前瞻，后视和一些非常复杂的步法，你可以将它伪装成一个点，但是你很快就会发现你的表情很难维护。

我可以建议一对夫妇的方法。

如果您使用的是符合XML的文本，则可以使用xmlparse（）解析文本，然后遍历结果结构，将正则表达式应用于每个节点的xmltext。

或者，您可以尝试用占位符替换文本块中的每个标记，对生成的文本执行替换，然后还原占位符。

显然，这些都不是完美的，但是，或者，通过一些调整，可能会让你去你要去的地方。