在python中使用正则表达式剥离标签

Question

如何从这个列表中删除标签：

['</span>A walk in the park<span class="html-tag"]

我设法使用(r'(?<=</span>)[^>]+')删除第一个标记，但无法弄清楚如何删除第二个标记。我知道正则表达式不是处理标签的方法，而只是想弄明白。

Answer 1

您可以使用：

(?:>)(.*)(?:<)

在正则表达式中，每个打开和关闭的圆形托架都定义了一个组。在这里，我们有3对圆括号，但第一个和最后一个在内部有一个?:。这意味着被定义的组是非捕获组，因此需要匹配模式，但解析器不会返回它。相反，你想要的是在组＃1中。

Answer 2

你的正则表达式非常接近。在lookbehind找到的位置之后，您只想阅读下一个<：

(?<=</span>)[^<]+

在regex101

上查看

$ cat test.py
import re
s='</span>A walk in the park<span class="html-tag"'
print re.findall(r'(?<=</span>)[^<]+', s)

$ python test.py
['A walk in the park']