多次匹配整个多行模式，但如果匹配包含字符串则不匹配

Question

假设我有这段文字（我意识到使用正则表达式解析 HTML 不是正确的解决方案...）

 <div><p>HELLO1</p>
 <span>SPIDER</span></div>
 <div><p>HELLO2</p>
 <span>CHEESE</span></div>
 <div><p>HELLO3</p>
 <span>BANANA</span></div>

我想分别匹配  和  中的文本（这是一个人为的例子）

我可以通过以下方式实现：

/(.*?)<\/p>.*?(.*?)<\/span>.*?<\/div>/gsmi

但是，如果跨度内的文本是 CHEESE，我不想匹配。我试过像这样使用负面前瞻：

/(.*?)<\/p>.*?((?!CHEESE).*?)<\/span>.*?<\/div>/gsmi

但是，现在匹配错误的东西，因为模式匹配 HELLO2 和 BANANA 我想要 HELLO3 和 BANANA

我意识到这是因为我正在使用 .*?，但这是实际解决方案所必需的。

我怎样才能匹配一个完整的模式，但仍然跨越多行？

Answer 1

您可以分两步实现您想要的。首先，像这样提取符合条件（即没有奶酪）的 div 个元素 (demo):

<div>(?:(?!CHEESE).)*?<\/div>

二、selectp和span标签之间的内容为两组（demo）：

(?<=<p>)(.*?)(?=<\/p>)(?:.*?)(?<=<span>)(.*?)(?=<\/span>)

Answer 2

我的一个同事给我发了这个答案，它符合我的要求：

正则表达式：(?:(?:<div>(\w*)<\/p>\s)(?!CHEESE<\/span>)(?:(\w*)<\/span>)<\/div>)

Matching entire, multiline pattern, multiple times but not if match contains string