regex不捕获嵌套标记。
regex不捕获嵌套标记。
提问于 2015-02-09 11:20:34
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。
回答 1
Stack Overflow用户
回答已采纳
发布于 2015-02-09 12:40:16
<(?:[^><]|(?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
复制相关文章
点击加载更多
相似问题
是否有工具可以模拟web服务(REST和SOAP)进行测试？
我是否可以使用SOAP UI工具进行没有任何web服务的web测试
使用WebRequest进行SOAP Web服务调用
在java中调用web服务SOAP
是否有用于SOAP web服务的文档工具？
添加站长 进交流群
领取专属 10元无门槛券
AI混元助手 在线答疑
关注 腾讯云开发者公众号
洞察 腾讯核心技术
剖析业界实践案例
腾讯云开发者
