RegEx Trovare testo ma solo se non contenuto in altro

Buongiorno forum

vengo subito al dunque.
In un testo (che contiene tag html) mi servirebbe trovare tramite regex un particolare elemento ma solamente se NON incluso in altri elementi.

Ad esempio (moooooolto semplificato), nel testo:

Codice:

---

La <b>casa</b> di carta.
Il <span><b>trono</b></span> di spade.

---

e mi serve recuperare le parti in grasetto, dovrei recuperare <b>casa</b> ma non <b>trono</b> poichè contenuto in un altro tag (span).

Come posso impostare il pattern di ricerca (da utilizzare poi in altro replace) per ottenere questo risultato?

Io farei in questo modo

Codice PHP:

---

<?php

$testo = 'La <b>casa</b> di carta.
Il <span><b>trono</b></span> di spade.
Ciao <b>io testo</b> a';

$pattern = '/[^<]*(<b>[^<]+<\/b>)[^<]*<?[^<]*(?:<b>)?[^<]*(?:<\/b>)?.*[^<]*/';
preg_match_all($pattern, $testo, $occorrenze);
if(isset($occorrenze[1])) {
foreach($occorrenze[1] as $key => $value) {
echo $occorrenze[1][$key], "\n";
}
}
?>

---

Citazione:

---

Originalmente inviato da phollia

In un testo (che contiene tag html) mi servirebbe trovare tramite regex un particolare elemento ma solamente se NON incluso in altri elementi.

---

HTML ed espressioni regolari? C'è una risposta :D Il modo corretto per trovare quei tag sarebbe usare un parser HTML come la classe DomDocument.

Se invece ti accontenti di un requisito più "stupido", allora potresti implementarlo come "trovare i tag <b> che non sono preceduti da '>' o seguiti da '<'."

Simile alla regex di Darbula, ma usando assertion:

Codice PHP:

---

# (?<! .... ) negative look-behind
# (?! .... ) negative look-ahead
# .*? not-greedy
$pattern = "#(?<!>)<b>(?P<contenuto>.*?)</b>(?!<)#"


---

Ma qualsiasi espressione regolare sarà comunque solo un'approssimazione, perché l'HTML è un linguaggio più complesso di quello che le espressioni regolari sono in grado di rappresentare.