使用python正则表达式提取两个不同字符之间的子字符串

Question

我想使用python正则表达式提取两个不同字符>和<之间的子字符串。这是我的示例字符串：<h4 id="Foobar:">Foobar:</h4><h1 id="Monty">Python<a href="https://..."></a></h1>我当前的正则表达式是\>(.*)\<和匹配：FoobarPython<a href="https://..."></a>我重新正确匹配第一个示例，但不匹配第二个示例。我希望它返回“ Python”。我想念什么？

Answer 1

使用表达式：

(?<=>)[^<:]+(?=:?<)

• (?<=>)积极回首>。

• [^<:]+匹配<或以外的其他任何内容:。

• (?=:?<)积极向前展望可选冒号:，和<。

您可以在此处尝试使用该表达式。

在Python中：

import re

first_string = '<h4 id="Foobar:">Foobar:</h4>'

second_string = '<h1 id="Monty">Python<a href="https://..."></a></h1>'

print(re.findall(r'(?<=>)[^<:]+(?=:?<)',first_string)[0])

print(re.findall(r'(?<=>)[^<:]+(?=:?<)',second_string)[0])

印刷：

Foobar

Python

或者，您可以使用表达式：

(?<=>)[a-zA-Z]+(?=\W*<)

• (?<=>)积极回首>。

• [a-zA-Z]+ 小写和大写字母。

• (?=\W*<)正向查找所有非单词字符，后跟<。

您可以在此处测试此表达式。

print(re.findall(r'(?<=>)[a-zA-Z]+(?=\W*<)',first_string)[0])
print(re.findall(r'(?<=>)[a-zA-Z]+(?=\W*<)',second_string)[0])

印刷：

Foobar
Python