regex - html标签外匹配数据的问题

Question

我试图想出一种方法来匹配 的内容不是 存在于任何 xml 或 html 标签中。我读过使用正则表达式从根本上对解析 xml/html 不利，我愿意接受任何可以解决我的问题的解决方案，但如果正则表达式也能正常工作就更好了。

这是我正在寻找的示例:

the lazy fox jumped <span>over</span> the brown fence.

我要回来的是

the lazy fox jumped  the brown fence

有任何想法吗？

Answer 1

这可能是一种幼稚的技术，但我的第一直觉是运行正则表达式，找出它在您的父字符串中匹配的文本，然后从该字符串中删除它，返回其余部分。在伪代码中，

String input = "whatever";
matches = Regex.Matches(input,"<.*>.*?</.*>");
foreach (match m in Matches)
{
input = input.Remove(m.Value);
}