如何编写正则表达式选中指定模式以外的全部内容？

需求 #

需要匹配文本中所有不在<ol>...</ol>标签及其内容之外的文本，将非标签块的内容拆分为独立匹配项。

解决方案 #

使用以下正则表达式（需开启DOTALL模式，让.匹配换行符）：

(?s)(?:^|<\/ol>)\s*(.*?)\s*(?=<ol>|$)

正则说明 #

• (?s)：启用DOTALL模式，使.可以匹配换行符，适配多行文本场景
• (?:^|<\/ol>)：匹配文本开头或<ol>标签的结束位置，作为目标文本的起始锚点
• \s*：匹配文本前后的空白字符（若需保留原格式的空白，可移除该部分）
• (.*?)：非贪婪捕获目标文本，直到遇到下一个<ol>标签或文本结尾
• (?=<ol>|$)：正向预查，确保捕获的文本后紧跟<ol>标签或文本结束，避免包含<ol>块内容

匹配结果验证 #

针对测试文本，该正则会捕获到4个符合预期的匹配项：

1. 第一个匹配项：

This is the second paragraph. It contains an ordered list: 

2. 第二个匹配项：

This is a text after the list in the second paragraph.
        This is another part of a paragraph

3. 第三个匹配项：

This is a text after the other list in the second paragraph.
This is a text after the list in the second paragraph.
        This is another part of a paragraph

4. 第四个匹配项：

test to odfjdf iofsdfsoh

原正则失效原因 #

你之前使用的^.*(<([^>]+?)([^>]*?)>(.*?)<\/\1>)?.*$会匹配整行文本，仅检查行内是否存在目标标签，但仍会将整行（包括标签块）全部选中，无法实现排除<ol>块的效果。

内容的提问来源于stack exchange，提问作者Marcos Costa