从HTML中提取名称的正则表达式

Question

我有两段代码，我想从中提取名字。在

代码：

 ;"><strong>DeanSkyShadow</strong>
 ;"><strong><em>Xavier</em></strong>

regex应该提取名称DeanSkyShadow和Xavier。我当前的正则表达式：

^{pr2}$

如果代码中没有em标记，则正确获取名称；如果有em标记，则它还会获取开始的em标记，如下所示：<em>Xavier。我该怎么解决呢？在

Answer 1

匹配任何而不是的<字符；您也不能使用可变宽度的look-behind，因此您的版本根本不起作用。请改用非捕获模式

(?:;"><strong>(?:<em>)?)([^<]+?)(?=(?:</em>)?</strong>)

演示：

^{pr2}$

更好的解决方案是使用HTML解析器。我可以推荐BeautifulSoup：

from bs4 import BeautifulSoup

soup = BeautifulSoup(htmltext)

for strong in soup.find_all('strong'):
    print strong.text