Python正则表达式获取标记内容而不是标记名称

Question

我遇到以下问题：我有一些HTML代码，我需要获取标记内容。我不想使用数百万个子字符串或类似的东西。我想使用正则表达式，但我遇到过使用类，ID，...或没有任何东西过滤标签的问题。这是我的正则表达式：

match = re.search('(?<=<span(.+)?>)(.*)(?=</span>)', '<span class="red">color</span>')

Python抛出以下错误

sre_constants.error: look-behind requires fixed-width pattern

我想从

获取内容

<span class="red">color</span>

和

<span>color</span>

感谢大家的帮助！

Answer 1

简单的答案：使用findall，跳过后视并获取捕获组。

<span(.+)?>(.*?)</span>

但在很多情况下，会失败。例如。嵌套标签，包含文本＆lt; / span＆gt; 的字符串，依此类推......