Question

我正在使用<[^<>]+>来提取<和>之间的子字符串，如下所示：

<abc>, <?.sdfs/>, <sdsld\>等

我不是要解析HTML标签或类似的东西。我唯一的问题是在<和>之间提取字符串。

但有时候，可能会出现如下的子串：

</</\/\asa></dsdsds><sdsfsa>>

在这种情况下，应匹配所有字符串，而不是3个子字符串。因为所有字符串都由<和>覆盖。

如何修改我的正则表达式呢？

Answer 1

不要使用正则表达式。使用传统方式执行此操作。堆叠，如果有多个'＆lt;'继续追加其他破坏并追加整个事物。

但是只要确保处理以某种方式突然出现的双反斜杠： - /

def find_tags(your_string)
    ans = []
    stack = []
    tag_no = 0

    for c in your_string:
        if c=='<':
            tag_no+=1
            if tag_no>1:
                stack.append(c)
        elif c=='>':
            if tag_no==1:
                ans.append(''.join(stack))
                tag_no=0
                stack=[]
             else:
                  tag_no = tag_no-1
                  stack.append(c)
        elif tag_no>0:
             stack.append(c)
    return ans

以下的输出

find_tags(r'<abc>, <?.sdfs/>, <sdsld\>')
['abc', '?.sdfs/', 'sdsld\\']
find_tags(r'</</\/\asa></dsdsds><sdsfsa>>')
['/</\\/\\asa></dsdsds><sdsfsa>']

注意：也适用于O（n）。

Answer 2

参考这个 Regular Expression to match outer brackets 我正在尝试使用<＆amp; >。

或者这个小方法怎么样：

def recursive_bracket_parser(s, i):
while i < len(s):
    if s[i] == '<':
        i = recursive_bracket_parser(s, i+1)
    elif s[i] == '>':
        return i+1
    else:
        # process whatever is at s[i]
        i += 1
return i

来源：How can I match nested brackets using regex?

正则表达式

2 个答案: