Javascript 将带有HTML的句子拆分为单词（但保留内联HTML不变）

我正在寻找一种使用javascript将带有HTML的句子拆分成单词的方法，并保留内联HTML标记和完整的文本内容。标点符号可以看作是它最接近的单词的一部分。我想使用正则表达式，可能还有

preg_split（）

来拆分句子。下面是一个例子：

A word, <a href='#' title=''>words within tags should remain intact</a>, so here's
<b>even more</b> <u>words</u>

一个词，下面是
更多的话

最后，我想提出以下建议：

[0] => A
[1] => word,
[2] => <a href='#' title=''>words within tags should remain intact</a>,
[3] => so
[4] => here's
[5] => <b>even more</b>
[6] => <u>words</u>

[0]=>A
[1] =>字，
[2] => ,
[3] =>所以
[4] =>这里是
[5] =>甚至更多
[6] =>单词

---

我知道关于使用正则表达式解析HTML的讨论（我喜欢阅读：-p），但我需要在不损害带有属性的HTML标记的情况下拆分句子中的单词。我不知道如何用JS以与正则表达式不同的方式实现这一点。当然，如果有其他选择，我会非常乐意去适应它们，以达到类似的结果。：-）

---

编辑： 我在Stackoverflow上搜索了类似的问题，但这些问题并没有为我打勾。让我们稍微透视一下：

• ：分割内联HTML的目标，这是我希望保持不变的内容
• ：以HTML代码段中的所有文本节点为目标，即使在HTML标记中也是如此。但事实上，我只想针对HTML元素之外的空间（因此甚至不包括用HTML标记包装的文本节点内的空间）

---

这是可能的，但使用纯正则表达式解决方案会有一些缺点。最容易调用的是嵌套HTML。我将要展示的解决方案使用一些反向引用来解决这个问题，但是如果您得到一些复杂的嵌套HTML，它可能会以奇怪的方式开始失败

/(?:<(\w+)[^>]*>(?:[\w+]+(?:(?!<).*?)<\/\1>?)[^\s\w]?|[^\s]+)/g

---

/（？：]*>（？：[\w++）（？：（？！这是可能的，但是使用纯正则表达式解决方案会有一些缺点。最容易调用的是嵌套HTML。我将要展示的解决方案使用一些反向引用来尝试绕过此问题，但是如果您得到一些复杂的嵌套HTML，它可能会以奇怪的方式开始失败

/(?:<(\w+)[^>]*>(?:[\w+]+(?:(?!<).*?)<\/\1>?)[^\s\w]?|[^\s]+)/g

/（？：]*>（？：[\w++）（？：（？！这是可能的，但是使用纯正则表达式解决方案会有一些缺点。最容易调用的是嵌套HTML。我将要展示的解决方案使用一些反向引用来尝试绕过此问题，但是如果您得到一些复杂的嵌套HTML，它可能会以奇怪的方式开始失败

/(?:<(\w+)[^>]*>(?:[\w+]+(?:(?!<).*?)<\/\1>?)[^\s\w]?|[^\s]+)/g

/（？：]*>（？：[\w++）（？：（？！这是可能的，但是使用纯正则表达式解决方案会有一些缺点。最容易调用的是嵌套HTML。我将要展示的解决方案使用一些反向引用来尝试绕过此问题，但是如果您得到一些复杂的嵌套HTML，它可能会以奇怪的方式开始失败

/(?:<(\w+)[^>]*>(?:[\w+]+(?:(?!<).*?)<\/\1>?)[^\s\w]?|[^\s]+)/g

/（？：]*>（？：[\w++）（？：（？！您可以使用以下代码段：


函数拆分为字（div）{
函数removeEmptyStrings（k）{
返回k！=''；
}
var rWordBoundary=//[\s\n\t]+//；//包括空格、换行符和制表符
var输出=[]；
对于（var i=0；i


一句话，这就是
更多的话
您可以使用以下代码段：


函数拆分为字（div）{
函数removeEmptyStrings（k）{
返回k！=''；
}
var rWordBoundary=//[\s\n\t]+//；//包括空格、换行符和制表符
var输出=[]；
对于（var i=0；i


一句话，这就是
更多的话
您可以使用以下代码段：


函数拆分为字（div）{
函数removeEmptyStrings（k）{
返回k！=''；
}
var rWordBoundary=//[\s\n\t]+//；//包括空格、换行符和制表符
var输出=[]；
对于（var i=0；i


一句话，这就是
更多的话
您可以使用以下代码段：


函数拆分为字（div）{
函数removeEmptyStrings（k）{
返回k！=''；
}
var rWordBoundary=//[\s\n\t]+//；//包括空格、换行符和制表符
var输出=[]；
为了(