用正则表达式替换HTML标签中的字符

Question

可能重复的问题：
替换所有不属于HTML标签的<和>

1. 使用Python
2. 我知道大家都不喜欢关于HTML标签的正则表达式问题，但我只是想通过这个练习来帮助我学习正则表达式。

要替换的内容（1可以是任何字符）：

<b>< </b>
<b> < </b>
<b> <</b>
<b><</b>
<b><111</b>
<b>11<11</b>
<b>111<</b>
<b>11<11</b>

<b>
<<<
</b>

替换为：

<b>& </b>
<b> & </b>
<b> &</b>
<b>&</b>
<b>&111</b>
<b>11&11</b>
<b>111&</b>
<b>11&11</b>

<b>
&
</b>

我在网上搜索过，尝试了很多自己的解决方案。请问，这可能吗？如果可以的话，怎么做呢？

我最好的猜测是这样的：

re.sub(r'(?<=>)(.*?)<(.*?)(?=</)', r'\1&lt;\2', string)

但在使用re.DOTALL和'<<<'等时，这个方法就不管用了。

Answer 1

如果你的字符串是a，这个方法看起来可以用：

re.sub('<+([^b/])','&\\1',a)

还有一个更通用的版本...

re.sub('(<[^<>]+>)([^<>]*)<+([^<>]*)(<[^<>]+>)','\\1\\2&\\3\\4',a)

Answer 2

我真心希望这个方法不要在实际的HTML中使用，但这里有一个适合你示例数据的解决方案。请注意，它用的是<来替换，就像你示例代码中那样，而不是像你示例数据中用的&。

re.sub(r'<+([^<>]*?)(?=</)', r'&lt;\1', your_string)

Answer 3

你可以使用类似这样的代码：

re.sub(r'(?:<(?!/?b>))+', '&', string)

如果你想让它也能和其他一些标签一起工作，可以使用类似这样的代码：

re.sub(r'(?:<(?!/?\w+[^<>]*>))+', '&', string)