RegEx模式从HTML标签中抓取数据

Question

匹配此模式的正则表达式模式，其中内部标头标记可以包含id，class等任意数量的属性，并且标头标记内可以包含零个或多个强标记？我想匹配以下模式：

1. 任何HTML标头（h1-h5）
2. 标题标记内可以包含任何属性。
3. 可以存在零个或多个强标签。

<h5 id="some_id"><strong><strong><strong>SOME_TEXT</strong></strong></strong></h5>

Answer 1

您可以尝试：

match = re.search(r"<(h[1-5])\b(?:[^>]|>[<\s])*>([^<]+)(?:[^<]|<(?!/\1))*</\1>", 
    subject, re.IGNORECASE)
if match:
    result = match.group(2)
else:
    result = ""

我会在一秒内添加一个regex101来展示它是如何工作的。

这是：https://regex101.com/r/du8PCn/1（匹配的第2组）。

编辑：我对Python并不了解，但我相信如果您将html字符串与html字符串匹配，则需要使用上面的re.findall或re.finditer其中有许多标题（而不是re.search）。