python - 我正在尝试使用正则表达式获取以 < 开头并以 > 结尾的子字符串并删除它们以创建一个新字符串

Answer 1

您的误解在于您用于匹配和替换的模式。r'\<.+\>'是贪婪的，这意味着它会尽可能多地匹配。在您提供的这个示例中，您的模式正在获取它找到.+的第一个和最后一个之间的所有内容 ( ) 。您可以在Regex101等工具中可视化该行为，使其更易于理解。<>

?相反，通过将限定符添加到您的模式来使您的模式“懒惰” .+：

import re

s = '彼女は&lt;font color="#ff0000"><font color="#ff0000">看護婦&lt;/font></font>です。'
x = re.sub(r'\<.+?\>','',s)
print(x) # 彼女は看護婦です。

^{复制| 正则表达式101}

但是，您确实应该为此类活动使用适当的 HTML 解析器。正则表达式通常被认为不是处理 HTML 内容的好工具。有关如何完成此任务的示例，请参阅Juan C 对此问题的回答。

Answer 2

如果您不介意使用另一个库，您可以轻松地将 html 代码解析为字符串BeautifulSoup：

from bs4 import BeautifulSoup

s = '彼女は&lt;font color="#ff0000"><font color="#ff0000">看護婦&lt;/font></font>です。'

soup = BeautifulSoup(s, 'lxml')

print(soup.text)

输出：

Out[29]: '彼女は看護婦です。'