python - Python 正则表达式，避免跳过括号

Question

我想用'*'替换正则表达式，但前提是正则表达式在<>之外。重点是不要干扰 html 标签。

我用它来替换：

re.sub(r'SOMEREGEX(?=[^>]*(<|$))', '*', line)

但是我遇到了他的问题：如果我的正则表达式是：

f.*k

然后这个：

fzzzzzzzzz<HTMLTAG>zzzzzzzk

会变成一个'*'，这是我不想要的。我该如何克服这个问题？

约束：

-所有括号都匹配

- 没有嵌套括号

-SOMEREGEX 由用户提供。我宁愿不改变这一点。

Answer 1

您可以尝试用.字符类替换字符 - “任何字符” -[^<>]匹配除尖括号之外的任何字符，<>. 这将给出正则表达式f[^<>]*k。这将匹配facebook但不匹配face<b>book。

但是，仍然有一些事情可能会出错。您是否考虑过使用适当的 HTML 解析器而不是正则表达式？BeautifulSoup 简单、美味且有趣。

Answer 2

在结束和开始尖括号之间搜索：

re.sub(r'(^|>)f[^<]*k(<|$)', r'\1*\2', line)

\1需要和\2来替换模式可能已从 中删除的尖括号line。