Python在正则表达式匹配中找到多个正则表达式匹配

Question

我想用回复sub（）将所有html标记<和>更改为{和}。关键是：我只想更改<table和</table>之间的匹配。你知道吗

我找不到一个正则表达式教程或帖子，其中一个可以改变每一个正则表达式匹配，但只能在两个其他正则表达式匹配之间。我看过正面/负面的前瞻和落后的教程等，但没有运气。在决定发帖之前，搜索了好几个小时。你知道吗

以下是迄今为止我得到的最好的：

(?<=<table)(?:.*?)(<)(?:.*)(?=<\/table>)

这将匹配表begin和end标记之间的一个“<；”，但我不知道如何使它匹配多个。我已经尝试过让任何角色组变懒或者不懒，等等，但是运气不好。你知道吗

关键是，我有一个包含大量HTML的字符串，我想把所有HTML标记都保存在表中，以及表本身。你知道吗

我当前的计划是将表中的所有标记（以及表标记本身）更改为{或}，然后删除整个文档中的所有HTML标记<；和>；，然后将所有{和}更改回<；和>；。这样做应该会保留表（以及其中的任何其他标记）。你知道吗

输入示例：

<font style = "font-family:inherit>
<any other HTML tags>

random text

<table cellpadding="0" cellspacing="0" style="font-family:times new 
roman;font-size:10pt;width:100%;border-collapse:collapse;text-align:left;">
<tr>
<td colspan="3">
<font style="font-family:inherit;font-size:12pt;font- 
weight:bold;">washington, d.c. 20549</font>
random text
<any other HTML tags within table tags>
</td>
</table>

random text

<font style = "font-family:inherit>

输出示例：

<font style = "font-family:inherit>
<any other HTML tags>

random text

{table cellpadding="0" cellspacing="0" style="font-family:times new 
roman;font-size:10pt;width:100%;border-collapse:collapse;text-align:left;"}
{tr}
{td colspan="3"}
{font style="font-family:inherit;font-size:12pt;font- 
weight:bold;"}washington, d.c. 20549{/font}
random text
{any other HTML tags within table tags}
{/td}
{/table}

random text

<font style = "font-family:inherit>

谢谢你， 格罗格

Answer 1

别对自己太苛刻。我不确定用标准的re-sub一枪到底有没有可能。事实上，我认为这要么是不可能的，要么是非常复杂的。例如replace中的自定义函数（您可以在自定义函数中填充许多自定义函数，直到整个html解析器）

相反，我强烈建议一个简单的解决方案是使用split/join进行拆分和重新组装，或者，可能是，您将确定一系列的重新替换。你知道吗

假设一个表l = s.split('table>'); l = [1]将为您提供表内容 和l.split（。下面是一个多任务版本

def curlyfy_el(s, tag='table'):

    return ('{%s' % tag).join(
                        [ ('{/%s}' % tag).join(
                                   [y if i != 0 else y.replace("<",  "{").replace(">", "}")
                                 for i, y in enumerate(x.split( '</%s>' % tag, 1)) 
    for x in s.split('<%s' % tag) ])

略显易读

def curlyfy_el(s, tag='table'):
    h, *t = s.split('<%s' % tag)  # stplit on some pretable text and fragments starting with table
    r = [h]
    for x in t:
        head, *tail = x.split('</%s>' % tag, 1)  # select table body and rest, 1 is to keep duplicate closure of tag in one str
        head = head.replace("<", "{")
        head = head.replace(">", "}")
        r.append( ('{/%s}' % tag).join([head, *tail]))
    return ('{/%s}' % tag).join(r)

一般来说，为了处理HTML，最好使用一些指定的解析库，比如BeautifulSoup，这种特殊代码在很多情况下都会失败。你知道吗

Answer 2

正如Serge提到的，这并不是一个真正需要用单个正则表达式解决的问题，而是多个正则表达式和一些python魔术：

def replacer(match):  # re.sub can take a function as the repl argument which gives you more flexibility
    choices = {'<':'{', '>':'}'}  # replace < with { and > with }
    return choices[match.group(0)]

result = []  # store the results here
for text in re.split(r'(?s)(?=<table)(.*)(?<=table>)', your_text): # split your text into table parts and non table parts
    if text.startswith('<table'): # if this is a table part, do the <> replacement 
        result.append(re.sub(r'[<>]', replacer, text))
    else: # otherwise leave it the same
        result.append(text)
print(''.join(result)) # join the list of strings to get the final result

查看文档，了解如何为repl参数re.subhere使用函数

以及正则表达式的解释：

(?s)        # the . matches newlines 
(?=<table)  # positive look-ahead matching '<table'
(.*)        # matches everything between <table and table> (it is inclusive because of the look-ahead/behinds)   
(?<=table>) # positive look-behind matching 'table>'

还要注意，因为(.*)在捕获组中，所以它包含在re.split输出的字符串中（请参见here）

Answer 3

可以使用以下正则表达式进行匹配，然后替换为Group 1：

[\s\S]*(<table[\s\S]*?</table>)[\s\S]*

这将匹配'<table'之前的任何内容，然后用表内容创建一个Group 1，然后匹配之后的所有内容。你知道吗

替换为：

$1

那只会给你一张有内容的桌子。你知道吗