Regex 正则表达式：如果分号不'，则查找分号后的第一个单词；不属于XML实体

我有这个字符串，需要得到word2和word3，但不是word1

this >word1 is a special ;word2 with ;word3

到目前为止，我有这个正则表达式，但它只是选择了所有三个单词

(;[a-z0-9]+)

我只想接收word2和word3，因为word1的分号属于XML实体。

您尝试过这个吗

(?<!&[^ ]+)(;[a-z0-9]+)

（？
它有点“硬编码”，但是如果分号前面没有以&开头的字符串，它只会在分号之后得到单词

编辑：如果此方法由于使用可变长度查找而不起作用，请将其替换为

(?<!&[^ ]\w{1,20})(;[a-z0-9]+)

（？
它有效地解决了上述查找的问题
我想说：


您只需检查组
1
是否存在

或者，根据使用正则表达式的语言，您也可以在任何实体上拆分（
&[^\s；]+；
），然后在每个块中查找单词

如果只想替换单词+分号，可以使用并替换为第一组。
有史以来最糟糕的标记组合。整个标记组合是否在XML元素中？闻起来好像没有指定语言，我假设任何语言都是可能的？因此可变宽度lookbehinds（.net允许这种情况）可以使用：如果您正在使用，您可以使用
html\u entity\u decode（）
，然后只需使用
（？
&DoubleDot；
，
&NonBreakingSpace；
，
&DiacriticalGrave；
，
&DiacriticalAcute；
，
&CenterDot；
，
&circledR；
，等等。我明白了，谢谢。您可以增加正在搜索的字符串的大小，但我想这可能会导致错误的答案lly.无论如何我都会编辑我的答案，所以，这使用了一个可变长度的lookbehind，它没有太多的支持。只支持，目前也支持。Java也支持，但不支持
*
或
+
，只
{x，y}
在lookback中。由于问题的这一部分没有任何限制，我也没有考虑到这一点。你可以用
{1,20}
替换
+
，但这变得很漂亮（w）hacky@ricardosilva：在Java和co中，这是一种常见的方法。您经常可以看到类似
（？我试过了，但它选择了单词2和单词3，但在完全匹配中包括part，是的，但不在第1组中。