使用python查找子字符串

Question

我从问答论坛中提取了一个原始字符串。 我有一个这样的字符串：

s = 'Take about 2 + <font color="blue"><font face="Times New Roman">but double check with teacher <font color="green"><font face="Arial">before you do'

我想提取这个子字符串“ <font color="blue"><font face="Times New Roman"> ”并将其分配给一个新变量。 我可以用正则表达式删除它，但我不知道如何将它分配给一个新变量。 我是正则表达式的新手。

import re
s1 = re.sub('<.*?>', '', s)

这是删除子但我想保留删除的子记录，理想情况下将其重新分配给变量。

我怎样才能做到这一点？ 我可能更喜欢正则表达式。

Answer 1

虽然 bs4 更适合网页抓取，但如果您对正则表达式没问题，您可以执行以下操作

>>> import re
>>> s = 'Take about 2 + <font color="blue"><font face="Times New Roman">but double check with teacher <font color="green"><font face="Arial">before you do'
>>> regex = re.compile('<.*?>')
>>> regex.findall(s)
['<font color="blue">', '<font face="Times New Roman">', '<font color="green">', '<font face="Arial">']
>>> regex.sub('', s)
'Take about 2 + but double check with teacher before you do'

Answer 2

正则表达式并不是解析 HTML 组件的最简单的工具。 您可以尝试使用BeautifulSoup来解析组件并制作您的子字符串。

from bs4 import BeautifulSoup

s = """Take about 2 + <font color="blue">
       <font face="Times New Roman">but double check with teacher <font color="green">
       <font face="Arial">before you do"""


soup = BeautifulSoup(s, "html.parser")

打印html：

Take about 2 +
<font color="blue">
 <font face="Times New Roman">
  but double check with teacher
  <font color="green">
   <font face="Arial">
    before you do
   </font>
  </font>
 </font>
</font>

提取成分：

soup.font.font['face']

> 'Times New Roman'

soup.font["color"]

> 'blue'

现在制作并保存您的子字符串作为变量：

variable = f"<font color={soup.font.font['face']}><font face={soup.font.font['face']}>"

这会给你：

"<font color="blue"><font face="Times New Roman">"