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。

使替换仅采用\\1，仅提取envelope，这使我认为后视被忽略。有没有办法从lookbehind中提取一些东西？

我期待着制作：

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

Answer 1

看起来你确实想要使用HTML解析器。混合正则表达式和HTML真的很痛苦，非常快。

在正则表达式中，您创建了一个由＆lt;，h，2，＆gt;等组成的字符类（一组允许匹配的字符）：

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

本可以写成：

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

它会匹配相同的字符。

除非你想为匹配创建一组字符（\ s，\ d等是预建的字符类），否则不要使用[..]。

但是，即使您要删除括号，也不允许使用lookbehind。您不能在lookbehind中使用可变宽度模式（no +或*）。所以，使用字符类后，lookbehind不再匹配您认为匹配的内容，没有它后观点是不允许的。

总而言之，只需BeautifulSoup而已。

具有要提取的匹配组的正向观察

1 个答案: