Python正則表達式或不匹配

Question

由於某些原因，

m = re.search('(<[^pib(strong)(br)].*?>|</[^pib(strong)]>)', '</b>')

匹配字符串，但是

m = re.search('(</[^pib(strong)]>)', '</b>')

才不是。 我試圖匹配所有不是的標簽

<p>, <b>, </p>, </b>

等等。 我誤解了一些關於'|'的事情嗎？ 作品？

Answer 1

你這樣做是錯的。 首先， []之間的字符匹配不同： [ab]將匹配a或b ，所以在你的情況下[^pib(strong)]將匹配所有不是p ， i ，a b ，a (等等（注意^的否定）。你的第一個正則表達式匹配僅僅是巧合。

此外，您不應該使用正則表達式解析html / xml。 相反，使用適當的xml解析庫，如lxml或beautifulsoup。

這是lxml的一個簡單示例：

from lxml import html
dom = html.fromstring(your_code)
illegal = set(dom.cssselect('*')) - set(dom.cssselect('p,b'))
for tag in illegal:
    do_something_with(tag)

（這是一個很小的，可能是次優的示例;它只是為了向您展示使用這樣一個庫是多么容易。另外，請注意庫將把代碼包裝在<p> ，所以你應該把它帶到考慮）