Regex匹配&amp；实体或&#0-9；并捕获&amp；

Question

我试图对以下字符串原型进行替换："I‘m singing & dancing in the rain." --以下正则表达式与实例正确匹配，但也捕获了&amp实例后面的字符。"(&)[#?a-zA-Z0-9;]"从上面的原型捕获以下字符串："&l"。

如何将其限制为只捕获&

编辑：，我应该补充说，我不想单独匹配"&"。

Answer 1

查找(这个处理命名、十进制和十六进制实体)：

&([A-Za-z]+|#x[\dA-Fa-f]+|#\d+);

代之以

&$1;

请注意:这确实有可能出错。我建议使用HTML解析器来解码文本。如果它是双重编码，你可以解码两次。HTML和regex即使在小规模上也不能很好地结合在一起。

既然您在JavaScript，我希望您在浏览器中。如果是的话，您手中就有一个很好的DOM解析器。创建一个新元素，将字符串赋值给它的内部HTML属性，并读出文本值。好了。

Answer 2

我认为您想要匹配&，但前提是它后面是字母数字字符或特定的标点符号。这就需要向前看。这个正则表达式应该与您想要的匹配，而不需要捕获或使用任何其他字符。

(&)(?=[#?a-zA-Z0-9;])

Answer 3

实际上，您正在匹配字符串&l，但捕获的只是&。这是因为捕获组之后的字符类将匹配一个额外的字符。

但是你最初的正则表达式是有一点瑕疵的。一种(不是最佳的)替代办法可能是：

&(#[0-9]+|#x[0-9a-zA-Z]+|[a-zA-Z]+);

它将匹配完整的实体或字符声明并捕获&。