python - 使用 python 正则表达式匹配但不包括其中之一

Question

所以我有以下格式的数据:

<Category: XXX &nbsp;-&nbsp; 

或

<Category: XXX</b>

<小时/>

我只想保留“xxx”，但只能保留 ('XXX','') 或 ('') 或其他不需要的变体。

我不想使用 beautiful soup，我在使用 anaconda 包管理器下载它时遇到问题

<小时/>

添加 - 我的尝试

'Category: ([^<]+)</b' 

当

时会产生['xxx']

<Category: XXX</b>

<小时/>

'Category: ([^<]+) &n'

当

时会产生['xxx']

<Category: XXX &nbsp;

我想我做了类似的事情

'Category: ([^<]+)(</b| &n)' 

结果

[('XXX', '</b')]

或

[('XXX', ' &nb')]

Answer 1

>>> import re
>>> re.match('<Category:\s(\w+)', "<Category: XXX</b>").group(1)
'XXX'
>>> re.match('<Category:\s(\w+)', "<Category: XXX &nbsp;-&nbsp;").group(1)
'XXX'

或使用findall:

>>> import re
>>> re.findall('<Category:\s(\w+)', "<Category: XXX &nbsp;-&nbsp;")[0]
'XXX'
>>> re.findall('<Category:\s(\w+)', "<Category: XXX</b>")[0]
'XXX'

• \s 匹配任何空白字符。
• \w 匹配任何非字母数字字符；这相当于集合[^a-zA-Z0-9_]。
• \w+ 匹配一个或多个非字母数字字符。
• (...) 是一个捕获组:

Matches whatever regular expression is inside the parentheses, and indicates the start and end of a group; the contents of a group can be retrieved after a match has been performed

参见documentation了解更多信息。