正则需求：匹配不属于XML实体的分号后的首个单词

首先得抓住核心矛盾：你字符串里的>（实际对应显示字符>）里的分号是XML实体的结束标记，不是用来分隔目标单词的独立分号。原来的正则(;[a-z0-9]+)会把所有分号开头的单词都捞出来，所以得想办法排除属于XML实体的分号。

推荐正则表达式 #

(?<!&[a-z]+);([a-z0-9]+)

正则拆解说明 #

• (?<!&[a-z]+)：这是负向后行断言，它会检查当前要匹配的分号;前面，是不是&紧跟一串小写字母的结构。这样就能精准排除>这类XML实体里的结束分号，不会误抓关联的word1。
• ;：匹配我们真正需要的、用来分隔目标单词的分号。
• ([a-z0-9]+)：捕获组，专门提取你想要的word2、word3这类目标单词。

效果验证 #

把你的测试字符串this >word1 is a special ;word2 with ;word3代入这个正则：

• >里的分号因为前面是&gt（符合&[a-z]+的结构），会被断言排除，不会匹配到word1
• 只会命中;word2和;word3，对应的捕获组内容就是word2和word3，完全贴合你的需求。

要是后续遇到其他XML实体（比如&、<），这个正则也能自动排除它们的分号干扰，适用性拉满。

内容的提问来源于stack exchange，提问作者Martin Weber