与句子匹配而忽略标记内容的正则表达式会是什么样的呢？

Question

我试图用跨度标记来包装给定文本的单个句子，到目前为止，这是相当不错的。

$this.html().replace(/\b.*?[\.\?\!]/gi, "<span>$&<\/span>");

现在，在内容中已经出现了一些其他的span和b标记，如下所示：

Gumbo groundnut daikon radicchio scallion lettuce rock melon peanut. <span class="yellow">Catsear swiss chard epazote bush tomato peanut chicory amaranth tomato gourd.</span> Earthnut pea brussels sprout gumbo celery tomato salad kale. Spinach scallion tomatillo bitterleaf lentil <b>green</b> bean celery amaranth onion catsear sweet pepper fava bean silver beet spinach.

由于我不想去掉这些标记，也不想封装它们，所以解决方案可以是：

1. 只需忽略标签和里面的内容
2. 把标签当作句子的结尾和开头

最后它看起来会是这样的：

<span>Gumbo groundnut daikon radicchio scallion lettuce rock melon peanut. <span class="yellow">Catsear swiss chard epazote bush tomato peanut chicory amaranth tomato gourd.</span> <span>Earthnut pea brussels sprout gumbo celery tomato salad kale.</span> <span>Spinach scallion tomatillo bitterleaf lentil </span><b>green</b><span> bean celery amaranth onion catsear sweet pepper fava bean silver beet spinach.</span>

这样的正则表达式会是什么样子？我对此感到非常头痛，因为我的判断力还很有限。

Answer 1

编写解析器，而不是正则表达式。要处理嵌套的HTML标记将非常困难，例如，只使用正则表达式。

Answer 2

我现在已经实现了一个小功能，它或多或少地实现了我想要的功能。它基本上取代了所有的孩子(跨度，b，等等)使用占位符-元素，这样它们就不会弄乱正则表达式。稍后，我只需将占位符替换为原始子元素。这是一种快速而肮脏的解决方案，但就目前而言，它已经足够有效了。

function wrapSentences($element){
var j = 0, i = 0, placeholders = [];

 $.each($element.children(),function(){
     var p = $("<b id='p"+j+"'></b>");
     $(this).after(p).remove();
       placeholders.push($(this));
    j++;                              
 });

 $element.html($element.html().replace(/\(?[A-Z][^\.]+[\.!\?]\)?/g, "<span class='s'>$&<\/span>"));


 $.each(placeholders,function(){
       $element.find("#p"+i).replaceWith(this);
      i++;
 });
}

jsFiddle