Как правильно написать регулярное выражение?

Question

[Darijj]

Добрый вечер, целый день пытаюсь написать регулярное выражение и никак не выходит...
Вот пример текста:

<pb/>Перекати<s>Pиo-дe-Жaнeйpo.</s> Перекати-поле;<span>поле</span>полe

Мне нужно, чтобы регулярное выражение нашло только те слова которые не завернуты в тег, ну и сами не являются тегом.
Вот, я здесь пробовал сделать это с помощью negative lookahead и negative Lookbehind, но что-то не выходит https://regex101.com/r/6pMDHr/1 Помогите, пожалуйста.

Comments

[Aetae]

Нельзя парсить html регулярками. Это закон.)

[Darijj]

Aetae, не знаю как обойтись без этого. Очень нужно

[Saboteur]

Взять парсер html - есть специальные библиотеки для этого и пользоваться им.
Регулярки - отличный инструмент, но у него есть ограничения. И теги вложенные в теги вложенные в кавычки или теги сведут вас с ума если будете пытаться на это написать регулярку.

[Darijj]

Saboteur, У меня нету вложенных тегов, и мне нужно все слова которые не в теге обернуть в определенный тег. Не хотелось бы для такой простой задачки тянуть тонны кода. Можете порекомендовать какую-то легкую библиотеку, которая сможет решить мою задачку?

[galaxy]

Darijj, почему бы вам не вырезать все слова в тегах вместе с самими тегами, включая пустые?
<\w+\/>|<(\w+)>.*<\/\1>

[Darijj]

galaxy, мне нужно сохранить эти теги.

Answer 1

[dollar]

• слова, которые не завернуты в тег
  
• нет вложенных тегов
  

Следовательно, нужны слова, которые:

• либо сразу после </ ... >
  
• либо сразу после < ... />
  
• либо в начале строки
  

Так и запишем:
(?<=<\/[^<>]+>|<[^<>]+\/>|^)([^<>]+)
https://regex101.com/r/6OliJi/1

P.S. Отдельные слова

(?<=(?:<\/[^<>]+>|<[^<>]+\/>|^)[^<>]*)([a-zа-яё-]+)

https://regex101.com/r/HT9qs6/1

Comments

[Darijj]

Это почти то, что мне нужно! И я думал так сделать, но проблема в том, что мне нужно каждое слово (вне тега) найти по отдельности. Чтобы потом завернуть каждое в тег. Не подскажите как это сделать с этим подходом?

[Darijj]

Простите, немного не верно задал вопрос

[dollar]

Darijj, почти то же самое, только добавляется логика "какой-то текст" в обратный просмотр назад:

(?<=(?:<\/[^<>]+>|<[^<>]+\/>|^)[^<>]*)([a-zа-яё-]+)

https://regex101.com/r/HT9qs6/1
В этом примере дефисы входят в понятие "слово", но их можно убрать, и вообще переделать под другие нюансы.

[dollar]

Вообще, раз уж речь про JS, то лучше будет на одном этапе выделить все куски текста между тегами, а потом уже в цикле разбирать каждый такой кусок, чем всю логику сразу пихать в регулярку.