在Python中使用RegEx查找以h开头但不包含html标记的单词

Question

我正在尝试查找所有以h开头的单词，但是我需要排除html标签，例如在此搜索中。 我有找到所有以h开头的单词的代码：

\h\w+

我只是不知道如何在搜索中排除某些东西，特别是html标签。

Answer 1

使用排除字符[^]

[^<]h\w+ 

但我认为这种方式可能会更好地满足您的需求，因为它会为以h开头的每个单词生成一个匹配项，而不是a

 (?!<)h\w+

更好的是，进行以下匹配：

 ((?!<)h\w+)

（请注意，第一个( ）之前有一个空格。

如果文本是：

html teste homem carro agharro hzete h

它将与“ homem”和“ hzete”进行完全匹配，这是您想要的单词的第一个匹配组。 “ homem”，“ hzete”。

我向您推荐一个图形化的正则表达式验证工具，以便您实时查看所编写的表达式。 一个不错的是https://regex101.com/

希望这可以帮助。