匹配电子邮件地址不包含在HTML标记中
问题描述：
我需要突出显示文本中的电子邮件地址，但如果包含在HTML标记，内容或属性中，则不会突出显示它们。匹配电子邮件地址不包含在HTML标记中
例如，串[email protected]必须不能被处理的字符串中<a href="mailto:[email protected]">[email protected]</a>转换为<a href="mailto:[email protected]">[email protected]</a>
但是电子邮件地址。
我已经试过这样的正则表达式：
(?<![":])[a-zA-Z0-9._%-+][email protected][a-zA-Z0-9._%-]+.[a-zA-Z]{2,6}(?!")
，但它不能正常工作。
答
我会猜测你的源文本是一个HTML文件，它只包含了一些包含的电子邮件地址的锚定标记。如果这是真的，那么您将无法使用正则表达式来可靠匹配未标记的电子邮件地址。例如，给定输入：
...
<P>You'll find a lot more written by <A
href="mailto:[email protected]"
title="some text including [email protected]">
[email protected]
</A>.
</P>
...
就不可能词汇的href与地址相关联，也排除[email protected]。您需要使用HTML解析器; BeautifulSoup很受欢迎。
重复：http://stackoverflow.com/questions/401726/regex-that-only-matches-text-thats-not-part-of-html-markup-python – msw 2010-04-29 02:30:12