Question

可能重复：
Replace all < and > that are NOT part of an HTML tag

使用Python
我知道这里有多少人讨厌围绕HTML标签的REGEX问题，但我只是这样做是为了帮助我学习REGEX。

替换（1可以是任何字符）：

<b>< </b>
<b> < </b>
<b> <</b>
<b><</b>
<b><111</b>
<b>11<11</b>
<b>111<</b>
<b>11<11</b>

<b>
<<<
</b>

使用：

<b>& </b>
<b> & </b>
<b> &</b>
<b>&</b>
<b>&111</b>
<b>11&11</b>
<b>111&</b>
<b>11&11</b>

<b>
&
</b>

我在互联网上搜索并尝试了许多我自己的解决方案。拜托，这可能吗？如果是这样，怎么样？

我最好的猜测是：

re.sub(r'(?<=>)(.*?)<(.*?)(?=</)', r'\1&lt;\2', string)

但是这与re.DOTALL和'＆lt;＆lt;＆lt;'等等分开了。

Answer 1

我真诚地希望从未在实际的HTML上使用过，但这是一个适用于您的示例数据的解决方案。请注意，它会替换为示例代码中的<，而不是样本数据中的&。

re.sub(r'<+([^<>]*?)(?=</)', r'&lt;\1', your_string)

Answer 2

如果a是你的字符串，这似乎有效：

re.sub('<+([^b/])','&\\1',a)

和第二个版本，更通用......

re.sub('(<[^<>]+>)([^<>]*)<+([^<>]*)(<[^<>]+>)','\\1\\2&\\3\\4',a)

Answer 3

您可以使用以下内容：

re.sub(r'(?:<(?!/?b>))+', '&', string)

如果您希望它与（某些）其他标签一起使用，您可以使用以下内容：

re.sub(r'(?:<(?!/?\w+[^<>]*>))+', '&', string)

Answer 4

此测试的正则表达式适用于您给定的测试数据：

reobj = re.compile(r"""
    # Match left angle brackets not part of HTML tag.
    <+               # One or more < but only if
    (?=[^<>]*</\w+)  # inside HTML element contents.
    """, re.VERBOSE)
result = reobj.sub("&", subject)

用REGEX替换HTML标记中的字符

4 个答案: