2
Я пытаюсь извлечь извлечения хэштегов в текст HTML с регулярным выражением #([a-z0-9_]+), но с проблемами в атрибутах HTML.Regex pattern, чтобы соответствовать хэштегу, но не в атрибутах HTML
Например, в HTML тексте:
hola que tal with #hash1.
hola que tal with #hash2
y <a href="hola.que.tal#hash3"> para #hash4. </a>
Я хочу, чтобы восстановить "hash1", "hash2" и "hash4", но не "hash3".
я пытался решить ее с lookarounds, со следующим выражением:
(?<!<)#([a-z0-9_]+)(?!.*?>)
, но без успеха.
Как я могу это сделать с помощью одного регулярного выражения?
Используйте синтаксический анализатор html и, в конечном итоге, запрос xpath, предназначенный только для текстовых узлов. Затем используйте базовое регулярное выражение для поиска ваших хэштегов для каждого текстового узла. –
Я знаю, что могу сделать это несколькими шагами, но мне нужно сделать это с помощью одного регулярного выражения. Спасибо @CasimiretHippolyte –
Почему вы хотите сделать это всего за один шаг (регулярное выражение)? –