在 Python 中使用正则表达式,我试图删除字符串中的所有 XML 类型元素,但包含 QUOTE 的元素除外,例如 <QUOTE>
, </QUOTE>
或 <QUOTE A="B">
应该保留,但其他如 <EXAMPLE>
或 <TEST A="B">
应该被删除。我创建了这个,它替换了所有元素但无法计算出非部分:
re.sub(r'</?[\w= \-"]+>', '', s)
有什么想法吗?
最佳答案
我相信否定的前瞻断言会做你想做的事:
import re
regex = r'<(?!/?QUOTE\b)[^>]+>'
tests = [
'a plain old string',
'a string with <SOME> <XML TAGS="stuff">',
'a string with <QUOTE>, </QUOTE>, and <QUOTE with="data">',
'a string that has <QUOTEA> tags </QUOTEB>',
]
for i in tests:
result = re.sub(regex, '', i)
print('{}\n{}\n'.format(i, result))
编辑:它是如何工作的
前瞻断言,顾名思义,在匹配的字符串中“向前看”,但不消耗它们匹配的字符。您可以进行正面 ((?=...)
) 和负面 ((?!...)
) 前瞻。 (也有正面和负面的回顾断言。)
因此,显示的正则表达式匹配 <
对于标记的开头,然后对 QUOTE
进行否定前瞻带有可选的 /
在它之前 ( /?
) 和它后面的单词边界 ( \b
)。如果匹配,则正则表达式不匹配,该标记将被忽略。如果不匹配,则正则表达式继续吃一个或多个非 >
字符和结尾>
.我猜你可能想让它也吃掉标签后面的任何空格——我没有那样做。
关于python - 在 Python 中使用正则表达式替换除特定元素之外的所有元素,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/5423811/