如何使用python regex将字符串拆分成html标记？
如何使用python regex将字符串拆分成html标记？
提问于 2018-07-13 04:02:12
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
回答 1
Stack Overflow用户
回答已采纳
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']页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/51313585
复制相关文章
相似问题
腾讯云开发者
