Получить все слова из текста, содержащие HTML тегов с PHP регулярных выражений

Question

Я сейчас пытаюсь с PHP, чтобы получить все слова из текста, содержащие HTML-теги

Моя регулярное выражение имеет проблемы, если слово закончено с акцентом (" é ", например), мое слово не поймано.

Мои регулярные выражения

$re = '/([^\r\n\t\f>< /]+(?!>))\b/'; 
$str = 'Non ! Non ! Je ne veux pas d\'un éléphant dans un boa.<br> 
<p> Un boa c\'est très dangereux, et un éléphant élévé c\'est très encombrant. Chez moi c\'est tout petit. J\'ai besoin d\'un mouton. Dessine-moi un mouton. 
</p> 
-Laisse-moi dire mouton... For saints have hands that pilgrims\' hands do touch 

«;

preg_match_all($re, $str, $matches); 

// but word elevé is not completely match 
print_r($matches); 

но, в моем примере, слово «Eleve» в не соответствует

Вы можете найти пример здесь: regex live example

Почему это регулярное выражение не совпадает с последним символом с акцентом?

Answer 1

Если вы хотите использовать регулярное выражение, вы можете использовать:

<[^>]+>(*SKIP)(*FAIL)|([A-zÀ-ÿ]+) 

Working demo

Обратите внимание, что диапазон символов в регулярных выражениях класса символов использует диапазон ASCII, я поставил самый простой способ, но помните, что этот диапазон содержит символы, которые вы, возможно, не захотите. Если вы хотите поддержать конкретные символы проверить таблицу ASCII и использовать диапазон, который вы хотите

Кроме того, если вы хотите, чтобы захватить c'est как одно слово, а затем просто добавить одинарные кавычки в классе символов, как это:

<[^>]+>(*SKIP)(*FAIL)|([A-zÀ-ÿ']+) 

Edit: если вы проверяете bobble bubble комментарий, вы найдете очень полезное использование флага юникода. Цитируя его комментарий, вы можете использовать очень простое регулярное выражение с помощью рычага u (юникод) флаг, как это:

<[^>]+>(*SKIP)(*FAIL)|([\w']+) 

Working demo

Если вы хотите слов, разделенных - как Dessine-moi быть согласованы как единый слово вместо 2, просто добавьте дефис к классу carácter так:

<[^>]+>(*SKIP)(*FAIL)|([\w'-]+) 

Edit 2:, так как вы изменяли вопрос 2-й раз, а также отметил, что вы не хотите, начальный дефис, то вы можете использовать это регулярное выражение:

<[^>]+>(*SKIP)(*FAIL)|([\w']+(?:[\w'-]*)) 

Working demo