文章/答案/技术大牛

发布

问regex不捕获嵌套标记。
EN

Stack Overflow用户

提问于 2015-02-09 19:20:34

回答 1查看 83关注 0票数 1

在熟悉Python3.4的re模块时，我编写了一个函数，目的是删除XML。我想使它成为递归的，以供交替使用：

def detag(text,opentag='<',closetag='>'):
    t1 = re.escape(opentag)
    t2 = re.escape(closetag)
    regex = t1 + '+.*?' + t2 + '+'
    result = re.search(regex,text)
    if result:
        text=text[:result.start()] + text[result.end():]
        text = detag(text,opentag,closetag)
    return text

问题是函数不能很好地“配对”标记。例如：

>>> detag('a<b<c>d>e')
'ad>e'

我想要的输出是"ae“(因为这些字母没有被打开/关闭标记包围)，但是外部的打开标记似乎与内部的关闭标记匹配。我很好奇如何重写函数以从detag('a<b<c>d>e')获得所需的输出，并且仍然能够从多个内联和嵌套/双标记中获得相同类型的输出：

>>> detag('a<b>c<d>e')
'ace'
>>> detag('a<<b>>c')
'ac'
>>> detag('a<b>c<<d>>e')
'ace'

上述例子目前正如期而至。需要重申的是，打开标记和结束标记之间的任何内容都不应该返回。

python

regex

python-3.x

python-3.4

回答 1

Stack Overflow用户

回答已采纳

发布于 2015-02-09 20:40:16

如果您使用的是regex软件包，这个递归模式可以工作：

<(?:[^><]|(?R))*>

在(?R)或(?0)中，模式从一开始就被粘贴。请参阅在regex101.com进行测试

由@noshelter添加:根据这些信息，该函数可以调整如下.

def detag(text,opentag='<',closetag='>'):
    t1 = regex.escape(opentag)
    t2 = regex.escape(closetag)
    re = regex.compile(t1 + '(?:[^' + t2 + t1 + ']|(?R))*' + t2)
    result = re.sub('',text)
    return result

票数 3

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/28417585

复制

相似问题

问regex不捕获嵌套标记。
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问regex不捕获嵌套标记。EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问regex不捕获嵌套标记。
EN