python - 带有要提取的匹配组的正向后视

Question

testString = ("<h2>Tricks</h2>"
              "<a href=\"#\"><i class=\"icon-envelope\"></i></a>")
import re
re.sub("(?<=[<h2>(.+?)</h2>\s+])<a href=\"#\"><i class=\"icon-(.+?)\"></i></a>", "{{ \\1 @ \\2 }}", testString)

这会产生：invalid group reference.

使替换 take only \\1， only extracts envelope，这让我认为后视被忽略了。有没有办法从lookbehind中提取一些东西？

我期待制作：

<h2>Tricks</h2>
{{ Tricks @ envelope }}

Answer 1

看起来您真的想改用 HTML 解析器。混合正则表达式和 HTML 真的很痛苦，真的很快。

在您的正则表达式中，您在这里创建了一个由 <、h、2、> 等组成的字符类（一组允许匹配的字符）：

[<h2>(.+?)</h2>\s+]

可以写成：

[<>h2()+.?/\s]

它会匹配相同的字符。

不要使用 [..] 除非您想为匹配创建一组字符（\s、\d 等是预构建的字符类）。

但是，即使您要删除括号，也不允许向后看。不允许在后视中使用可变宽度模式（无 + 或 *）。因此，对于字符类，lookbehind 不再匹配您认为它匹配的内容，没有它，lookbehind 是不允许的。

总而言之，只是BeautifulSoup代替。