匹配但不包括python正则表达式中的一个或另一个

Question

所以我的数据格式如下：

<Category: XXX &nbsp;-&nbsp; 

或

<Category: XXX</b>

---

我只想保留'xxx'，但仍然可以保留（'XXX'，''）或（''）或其他不想要的变体。

我不想使用美味的汤，我在使用我的anaconda包管理器下载时遇到了麻烦

---

已添加 - 我的尝试

'Category: ([^<]+)</b' 

会在

时产生['xxx']

<Category: XXX</b>

---

'Category: ([^<]+) &n'

会在

时产生['xxx']

<Category: XXX &nbsp;

我想我做了类似

的事情

'Category: ([^<]+)(</b| &n)' 

产生了

[('XXX', '</b')]

或

[('XXX', ' &nb')]

Answer 1

>>> import re
>>> re.match('<Category:\s(\w+)', "<Category: XXX</b>").group(1)
'XXX'
>>> re.match('<Category:\s(\w+)', "<Category: XXX &nbsp;-&nbsp;").group(1)
'XXX'

或使用findall：

>>> import re
>>> re.findall('<Category:\s(\w+)', "<Category: XXX &nbsp;-&nbsp;")[0]
'XXX'
>>> re.findall('<Category:\s(\w+)', "<Category: XXX</b>")[0]
'XXX'

• \s匹配任何空格字符。
• \w匹配任何非字母数字字符;这相当于集合[^a-zA-Z0-9_]。
• \w+匹配一个或多个非字母数字字符。
• (...)是一个捕获组：

  

匹配括号内的正则表达式，和   表示组的开始和结束;一组的内容可以   在比赛结束后检索

有关详细信息，请参阅documentation。