正则表达式 Python 删除样式标签之间的内容（包含\n\r）

Question

我对正则表达式有点困惑。我有一段文本，需要去掉标签里面的样式。对于像这样一行的文本，我用这个正则表达式<style>(.*)<\/style>就能搞定，挺简单的：

<style>@page { size: 8.5in 11in; margin-right: 1in; margin-top: 0.5in; margin-bottom: 0.5in }</style>

但是我在处理包含\r\n的文本时遇到了困难，没办法解决。

<style>
    @page { size: 8.5in 11in; margin-right: 1in; margin-top: 0.5in; margin-bottom: 0.5in }
    p { margin-bottom: 0.17in; direction: ltr; color: #000000; widows: 2; orphans: 2 }
    p.western { font-family: "Times New Roman", serif; font-size: 12pt; so-language: en-US; font-style: italic; font-weight: bold }
    p.cjk { font-family: "Times New Roman", serif; font-size: 12pt; font-style: italic; font-weight: bold }
    p.ctl { font-family: "Times New Roman", serif; font-size: 10pt; so-language: ar-SA }
    h3 { margin-top: 0in; margin-bottom: 0.17in; direction: ltr; color: #000000; text-align: justify; widows: 2; orphans: 2; page-break-after: auto }
    h3.western { font-family: "Times New Roman", serif; font-size: 12pt; so-language: en-US; font-weight: normal }
    h3.cjk { font-family: "Times New Roman", serif; font-size: 12pt; font-weight: normal }
    h3.ctl { font-family: "Times New Roman", serif; font-size: 10pt; so-language: ar-SA; font-weight: normal }
    a:link { color: #0000ff }
    a:visited { color: #800080 }
    a.western:visited { so-language: en-US }
    a.cjk:visited { so-language: zh-CN }
    a.ctl:visited { so-language: hi-IN }
    a.sdfootnotesym-western { font-size: 8pt }
    a.sdfootnotesym-cjk { font-size: 8pt }
</style>

Answer 1

使用这个正则表达式，'.' 这个符号不包括换行符 \n。

<style>((?:.|\n)*)<\/style>

Answer 2

只需要使用 (?s) 这个标记（叫做 DOTALL）就可以让句点（.）也能匹配换行符。

(?s)<style>(.*?)<\/style>

示例

Answer 3

使用 s 修饰符。

(?s) 表示“单行模式”，这样点号（.）就可以匹配所有字符，包括换行符。这个功能在 Ruby 和 JavaScript 中不支持。在 Tcl 语言中，(?s) 还会让开头的 ^ 和结尾的 $ 只匹配字符串的开始和结束。

或者可以使用：

<style>([\s\S]*)<\/style>