如何在python正则表达式中获取匹配的子匹配

Question

我有一根这样的绳子：

str='< TOPICS>< D>cocoa< /D>< /TOPICS>< PLACES>< D>el-salvador< /D>< D>usa< /D>< D>uruguay< /D>< /PLACES>'

我想在<；PLACES>；和<；/PLACES>；中获取<；D>；和<；/PLACES>；之间的字符串；。 我知道流动：

p1=re.compile(r'(?<=<PLACES>)(.*?)(?=</PLACES>)')
p2=re.compile(r'(?<=<D>)(.*?)(?=</D>)')

有了p1和p2，我就能得到萨尔瓦多，美国，乌拉圭。但是我怎样才能只使用一个p来获取信息。在

Answer 1

您可以使用这样的正则表达式：

(?<=<D>)([^<>]*)(?=</D>)(?=(?:(?!<PLACES>).)*</PLACES>)

regex101 demo

其中肯定的lookahead (?=(?:(?!<PLACES>).)*</PLACES>)确保前面某处有一个</PLACES>，在匹配的内容和结束标记之间没有任何开头<PLACES>。在

但您确实应该考虑使用适当的解析器，例如BeautifulSoup：

^{pr2}$

编辑：根据JonClements在评论中的建议，您还可以使用：

>>> for m in soup.select('places d'):
...     print(''.join(m))
...
el-salvador
usa
uruguay