Python正則表達式將外部文本與標簽之間的文本結合在一起

Question

我有以下字符串（階段1）：

(Undergraduate level  <A HREF="blah=">PHYS 218</A> Minimum Grade of D) and (Undergraduate level  <A HREF="blah">MATH 152</A> Minimum Grade of D or Undergraduate level  <A HREF="/blah=">MATH 172</A> Minimum Grade of D or Undergraduate level  <A HREF="blah">MATH 251</A> Minimum Grade of D)

從這里我進入（階段2）：

(Undergraduate level PHYS 218 Minimum Grade of D) and (Undergraduate level MATH 152 Minimum Grade of D or Undergraduate level MATH 172 Minimum Grade of D or Undergraduate level MATH 251 Minimum Grade of D)

然后最終我想要的是（階段3）：

(PHYS 218) and (MATH 152 or MATH 172 or MATH 251)

目前，我這樣做的方式太可怕了。

我采用階段1的字符串，完全刪除所有a標簽，然后合並剩余的文本。

然后，我從a標簽中獲取課程編號，並將其放入上述步驟的字符串中，以進入第二階段。

然后，我在第二階段中查找課程，刪除該課程左右兩邊的所有內容，直到我碰到( ， ) or ， and為止。

有什么方法可以使用正則表達式或其他方法完全做到這一點？ 謝謝。

Answer 1

x="""(Undergraduate level  <A HREF="blah=">PHYS 218</A> Minimum Grade of D) and (Undergraduate level  <A HREF="blah">MATH 152</A> Minimum Grade of D or Undergraduate level  <A HREF="/blah=">MATH 172</A> Minimum Grade of D or Undergraduate level  <A HREF="blah">MATH 251</A> Minimum Grade of D)"""
import re
print re.sub(r"<[^>]*>\s*|Undergraduate level\s*|Minimum Grade of [A-Z]+","",x)

如果格式始終是固定的並且不會有太大變化，則可以使用re.sub 。

參見演示。

https://regex101.com/r/hF7zZ1/2

編輯：

如果文本更改，請嘗試此

x="""(Undergraduate level  <A HREF="blah=">PHYS 218</A> Minimum Grade of D) and (Undergraduate level  <A HREF="blah">MATH 152</A> Minimum Grade of D or Undergraduate level  <A HREF="/blah=">MATH 172</A> Minimum Grade of D or Undergraduate level  <A HREF="blah">MATH 251</A> Minimum Grade of D)"""
import re
print "".join(re.findall(r"(\(|\)|\s*or\s*|\s*and\s*|(?<=>)[^<]*(?=<\/A>))",x))