寻找匹配非HTML属性中特定字符串的正则表达式

问题场景 #

给定包含HTML元素的字符串：

<a href="something+specific_string" title="testing">This is a text and "specific_string"</a>

需要编写正则表达式，仅匹配不在HTML属性值内的specific_string。当前使用的正则((?!\"[\w\s]*)specific_string(?![\w\s]*\"))存在误判：当目标字符串被文本内容里的双引号包裹时，会错误地排除该匹配。

解决方案 #

使用以下正则表达式可以解决该问题：

specific_string(?=(?:[^"]*"[^"]*")*[^"]*$)(?![^<]*>)

正则原理 #

• (?=(?:[^"]*"[^"]*")*[^"]*$)：通过正向预查统计当前位置到字符串末尾的引号数量，确保为偶数——这意味着当前位置不在未闭合的属性引号范围内。
• (?![^<]*>)：通过负向预查确保当前位置不在HTML标签内部（即从当前位置到下一个>之间没有<，说明处于标签外的文本区域）。

效果验证 #

在示例字符串中，该正则会精准匹配文本内容里的specific_string，完全忽略href属性值内的同名字符串，同时不会误判文本中被双引号包裹的目标字符串。

内容的提问来源于stack exchange，提问作者Lucas Besen