0

我一直在尝试仅匹配标签名称（没有<and>符号）是常规标签的情况：

<w:tag w:attrib1="http://url" w:attrib2="anyValue">

没有匹配的单独标签（开闭标签）：

<w:tag2 w:attrib1="anyValue" w:attrib2="http://url" />

（请注意URL，因为它们包含正斜杠 ( /)）

但无法通过以下方式实现：

regex = re.compile('(?<=<)w:\w+(?=[\w\W]+>)(?!\s/>)')

print(regex.findall(string))

得到这个：

['w:tag','w:tag2']

期待这个：

['w:tag']

有什么想法吗？

干杯。

4

2 回答 2

1

1) 轻松进行前瞻/后视；它们很难控制，你很少真正需要它们。使用捕获组来提取匹配字符串的一部分。使用否定字符类和非贪婪搜索（如果需要）来避免匹配太多：

re.findall(r'<\s*(w:\w+)[^>]*(?<!/)>', string)

更容易阅读，不是吗？然而，

2）根本不要这样做！不要依赖 RE 来匹配 XML 或 html，你只是在寻求心碎。有关详细信息，请参阅https://stackoverflow.com/a/1732454/699305。:-) 熟悉将 pythonxml.etree.ElementTree与 xpath 表达式一起使用。这需要一些时间来适应，但这将是值得花时间的——你不会后悔的。

于 2012-10-27T21:00:12.123 回答
0

找到了：

regex = re.compile('(?<=<)w:\w+(?=>)|(?<=<)w:\w+(?=[\s\w+:\w+="[\w/:.-]+"]{0,10}>)')
于 2012-10-27T18:00:41.747 回答