为了熟悉python3.4的re
模块,我编写了一个函数来删除XML标记。我想让它递归以备备用:
def detag(text,opentag='<',closetag='>'):
t1 = re.escape(opentag)
t2 = re.escape(closetag)
regex = t1 + '+.*?' + t2 + '+'
result = re.search(regex,text)
if result:
text=text[:result.start()] + text[result.end():]
text = detag(text,opentag,closetag)
return text
问题是函数不能很好地“配对”标签。例如:
>>> detag('a<b<c>d>e')
'ad>e'
我想要的输出是“ae”(因为这些字母没有被open/close标签包围),但是看起来外部open标签和内部close标签是匹配的。我很好奇如何重写函数以从detag('a<b<c>d>e')
获得所需的输出,并且仍然能够从多个内联和嵌套/双标记获得相同类型的输出:
>>> detag('a<b>c<d>e')
'ace'
>>> detag('a<<b>>c')
'ac'
>>> detag('a<b>c<<d>>e')
'ace'
上述例子目前正如期发挥作用。重申一下,open和close标记之间的任何内容都不应返回。你知道吗
如果您使用的是regex package,那么这个recursive pattern可以工作:
在
(?R)
或(?0)
从开始粘贴图案。见test at regex101.com由@noshelter添加:基于此信息,功能可以调整如下。。。你知道吗
相关问题 更多 >
编程相关推荐