在python中使用regex剥离标记

Question

我怎样才能把标签从名单上去掉：

['</span>A walk in the park<span class="html-tag"]

我设法用(r'(?<=</span>)[^>]+')删除了第一个标记，但不知道如何删除第二个标记。我知道正则表达式不是处理标记的方法，但我只是想弄清楚这一点

Answer 1

你和你的正则表达式很接近。在lookback找到位置之后，您只需要读到下一个<：

(?<=</span>)[^<]+

在regex101上查看

$ cat test.py
import re
s='</span>A walk in the park<span class="html-tag"'
print re.findall(r'(?<=</span>)[^<]+', s)

$ python test.py
['A walk in the park']

Answer 2

您可以使用：

(?:>)(.*)(?:<)

在正则表达式中，每个打开和关闭的圆制动器定义一个组。在这里，我们有3对圆括号，但是第一个和最后一个括号内有?:。这意味着被定义的组是一个非捕获组，因此需要匹配模式，但解析器不会返回它。相反，你想要的是第一组