javascript - 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来匹配 Awesome、Really 和 Cool 等词周围的引号 (")，同时不匹配 HTML 标记内的引号？

我正在使用 JavaScript 的替换函数将引号替换为 "

我希望有一个我可以使用的正则表达式......

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

一如既往，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。

<小时/>

但是，如果您想正确执行此操作，可以使用 tidy 将其转换为 xml 文件，然后使用例如 xmlint 来执行 XPath 查询。我确信 Javascript 也有这样的工具。

示例(在 bash 中):

$ 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!"