查找紧随其后的小写字母和大写字母

Question

我的文本如下：

<font size=+2 color=#F07500><b> [ba]</font></b>
<ul><li><font color =#0B610B> Word word wordWord word.<br></font></li></ul>
<ul><li><font color =#F07500> Word word word.<br></font></li></ul>
<ul><li><font color =#0B610B> Word word word wordWord.<br></font></li></ul>
<ul><li><font color =#0B610B> WordWord.<br></font></li></ul>
<br><font color =#E41B17><b>UPPERCASE LETTERS</b></font> 
<ul><li><font color =#0B610B> Word word wordWord word.<br></font><br><font color =#E41B17><b>PhD and dataBase</b></font> </li></ul>
<font color =#0B610B> Word word word.<br></font></li></ul><dd><font color =#F07500>     »» Word wordWord word.<br></font>

每个 ... 中都有一个小写字母，后面紧跟着一个大写字母。例如：

<font color =#0B610B> Word word wordWord word.<br></font>

我想通过按如下方式拆分它们来纠正此错误（即：在它们之间添加冒号和空格）：

<font color =#0B610B> Word word word: Word word.<br></font>

到目前为止，我一直在使用：

(<font color =#0B610B\b[^>]*>)(.*?</font>)

选择 ...，它可以很好地通过 ...。

但是当我使用时：

(<font color =#0B610B\b[^>]*>)(.*?[a-z])([A-Z].*?</font>)

它确实找到但选择了一行中 ... 之间的所有内容，而不管其他字体颜色标签如何，并替换其他不需要的内容实例。

我希望它找到并替换每个特定标签对中的错误：...，而不是抓取以 < 开头的所有内容;font color =#0B610B> 并以 结尾

有没有正则表达式可以解决这个问题？非常感谢。

Answer 1

一般来说，正则表达式对于解析 HTML 来说不是一个好主意（如果它是一次性的，你可能没问题）。

我认为这可能是您的正则表达式不起作用的原因。
您能举一个正则表达式失败的例子吗？

我能想到的一种情况是匹配的 中没有匹配项 ([az][AZ])一对，但相邻中有。例如：

<font color=#0B610B>word word</font><font color=#000000>word wordWord</font>

在本例中，唯一有效匹配是 word wordword word以及字符串 Word 的其余部分，这就是正则表达式匹配的内容（因为如果它可以匹配它就会匹配！）

我可以想一个粗略的解决方法，但我不会推荐它，除非这个任务是一次性的，因为使用 HTML 的正则表达式总是容易出现此类错误！这个正则表达式的效率也很低。尝试（未经测试）：

(<font color =#0B610B\b[^>]*>)(([^<]|<(?!/font))*?[a-z])([A-Z].*?</font>)

它说，“查找 标签，后跟尖括号 < not 后跟 /font，或其他任何内容，然后再次跟上 [az][AZ]”。
因此它会尝试确保匹配不会超出 边界。