我正在尝试从类似于以下内容的 jsp 页面（格式错误的 xml）中提取一些信息（无需递归）：
<td>
<html:button ...></html:button>
<html:submit ...></html:submit></td>
和一个正则表达式：
<html:(button|submit|cancel)[\s\S]*?</html:(button|submit|cancel)>
re.findall() 给了我一个元组列表，如下所示：
[('button','button'),('button','button')]
我从文档中了解到是正确的，但我希望得到更多类似的东西：
["<html:button ...>","<html:button ...>"]
获得我期望的结果的适当方法是什么？
除了正则表达式可能不是您想要执行此操作的事实之外，您还想使用括号将所需的位放在组中。如果您希望所有内容都到结束</html:whatever>标签，那么您需要这样的东西：
(<html:(button|submit|cancel)[\s\S]*?)</html:(button|submit|cancel)>
如果您只想要<html:button>一点，请使用：
(<html:(button|submit|cancel)>)[\s\S]*?</html:(button|submit|cancel)>
例如
从
<html:button>foobar</html:submit>
你得到：
('<html:button>', 'button', 'submit')
如果foobar要从上面获取，请使用：
(<html:(button|submit|cancel)>)([\s\S]*?)</html:(button|submit|cancel)>
要得到：
('<html:button>', 'button', 'foobar', 'submit')
请注意，一般情况下，不可能匹配开始和结束标签（请注意，在上面的示例中<html:button>是打开和</html:submit>关闭）。如果您需要这样做，请使用适当的解析器。
您(button|submit|cancel)正在捕获，因此请添加?:括号，例如(?:
>>> re.findall('<html:(?:button|submit|cancel)[\s\S]*?</html:(?:button|submit|cancel)>',TheHTMLWhichShouldntParseWithRegex)
['<html:button ...></html:button>', '<html:submit ...></html:submit>']