多次匹配括号内的文本

Question

假设我有这样的文本：

<p>Joe likes <ul><li>pizza</li>, <li>burgers</li>, and <li>fries</li></ul></p>

我想使用一个regex来提取使用python的<li>/list标记之间的所有文本

regexp = <p>.+?(<li>.+?</li>).+?</p>

这只返回由<li>/list标记包围的列表中的第一项：

<li>pizza</li>

有没有一种方法可以抓取<li>/list标记之间的所有项，这样我的输出看起来像：

<li>pizza</li><li>burgers</li><li>fries</li>

Answer 1

为什么需要<p>标记

import re

source = '<p>Joe likes <ul><li>pizza</li>, <li>burgers</li>, and <li>fries</li></ul></p>'

m = re.findall('(<li>.+?</li>)',source)
print m

我想要你想要的

编辑

如果您只需要在<p>标记之间的文本，可以通过两个步骤完成：

import re

source = '<p>Joe likes <ul><li>pizza</li>, <li>burgers</li>, and <li>fries</li></ul></p> and also <li>coke</li>'

ss = re.findall('<p>(.+?)</p>',source)

for s in ss:
    m = re.findall('(<li>.+?</li>)',s)
    print m

Answer 2

这应该起作用：

import re

source = '<p>Joe likes <ul><li>pizza</li>, <li>burgers</li>, and <li>fries</li></ul></p>'
res = ''.join(re.findall('<li>[^<]*</li>', source))
# <li>pizza</li><li>burgers</li><li>fries</li>

Answer 3

假设您已经提取了示例字符串，您可以执行以下操作：

import re
s = "<p>Joe likes <ul><li>pizza</li>, <li>burgers</li>, and <li>fries</li></ul></p>"
re.findall("<li>.+?</li>", s)

Output:
['<li>pizza</li>', '<li>burgers</li>', '<li>fries</li>']