假设我有一个字符串:
"<blockquote>Quote</blockquote><br />text <h3>This is a title</h3>"
预期输出:
["<blockquote>Quote</blockquote><br />", "text", "<h3>This is a title</h3>"]
我需要开始和结束标签都包括在同一项目中,如上所述。
我试过了:re.split("<*>*</*>", s)
我是Regex的新手,所以如果有任何帮助,我将不胜感激
发布于 2018-07-13 04:14:40
您可以使用re.findall
来完成此操作。
import re
s = "<blockquote>Quote</blockquote><br />text <h3>This is a title</h3>"
re.findall(r'<[^>]*>.*?</[^>]*>(?:<[^>]*/>)?|[^<>]+', s)
# ['<blockquote>Quote</blockquote><br />', 'text ', '<h3>This is a title</h3>']
但是要避免像直接使用正则表达式那样解析html数据,并考虑使用像BeautifulSoup
这样的工具。
>>> from bs4 import BeautifulSoup
>>> soup = BeautifulSoup(s, "html.parser")
>>> soup.findAll()
[<blockquote>Quote</blockquote>, <br/>, <h3>This is a title</h3>]
>>> soup.findAll()[0].text
'Quote'
>>> [s for s in soup.strings]
['Quote', 'text ', 'This is a title']
https://stackoverflow.com/questions/51313585
复制相似问题