Python正则表达式提取＆lt;＆gt;之间的字符串

Question

所以我有一个像这样的字符串

<TEST>foo bar</TEST>

我想使用正则表达式来提取foo栏。

我目前正在使用它，但它不能正常工作

typesRegex = re.compile('<\w+>(\w+)<\w+>')
typesRegex.match(testStr)

为什么？

Answer 1

因为\w与空格不匹配。

foo bar包含空格。

同样</TEST>包含/，其中\w也不匹配。

>>> re.match(r'<\w+>([\w\s]+)</\w+>', '<TEST>foo bar</TEST>')
<_sre.SRE_Match object at 0x0000000002AFDBE8>
>>> _.groups()
('foo bar',)

Answer 2

这个正则表达式更灵活，概念更简单：“直到下一个开启角括号的开头”

>>> import re                     
>>> r = re.compile(r'<test>([^<]*)</test>', re.I)
>>> r.search("<TEST>foo bar </test>").group(1)
'foo bar '
>>> r.search("<TEST>Charles Camille Saint-Saens</test>").group(1)
'Charles Camille Saint-Saens'

您应该注意\w将与- % @等等都不匹配...

• http://docs.python.org/2/library/re.html#regular-expression-syntax

您已收到许多评论，以阻止您自行解析HTML。但我发布了我的这个答案，希望你能够在解析文本时理解有限状态机的应用。 HTH