Question

我想使用正则表达式将<p ....>替换为''，将</p>替换为<br>：

<p style="text-align:center;">1, 2, 3, 5, 8, 13, 21, 34, 55, 89, ...<\p>

我尝试过：

re.sub("[\<\[].*?[\\>\\]]", '' '', x)

但是它擦除了所有内容。

有人可以帮我吗？

Answer 1

一种选择是使用捕获组将文本从标签中取出，然后在末尾添加<br>：

pat = re.compile(r'<p[^>]*>(.*)<\\p>')  # or </p>, as required

print(" {}<br>".format(pat.match(x).group(1)))
# 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, ...<br>

或者您可以进行两次替换

pat1 = re.compile(r'<p[^>]*>')
pat2 = re.compile(r'<\\p>')

pat1.sub(' ', pat2.sub('<br>', x))
# 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, ...<br>

Answer 2

对于XML / HTML，绝对不要使用正则表达式。 XML擅长嵌套标签，而嵌套标签是正则表达式的噩梦。您应该在这里使用BeautifoulSoup的lxml。

话虽这么说，对于非常简单的用例，正则表达式可以执行这些工作，前提是您可以确保不发生嵌套。

假设您已经拥有（请注意 / p 而不是 \ p ）：

x = '<p style="text-align:center;">1, 2, 3, 5, 8, 13, 21, 34, 55, 89, ...</p>'

您可以使用：

>>> re.sub(r'<p.*?>(.*?)</p>', r'\1<br/>', x)
'1, 2, 3, 5, 8, 13, 21, 34, 55, 89, ...<br/>'

使用正则表达式替换标签内的字符串

2 个答案: