如何在python中的单词组之间拆分字符串？答案

【问题标题】：How can I split string between group of word in python?如何在python中的单词组之间拆分字符串？
【发布时间】：2022-01-21 05:13:45
【问题描述】：

如何从这个字符串中拆分出“Value1”和“Value2”？

my_str = '<a href="default.html" target="_top">Value1</a><a href="browser.html" target="_top">Value2</a>'

我尝试这样做，但它不起作用。

my_str = '<a href="default.html" target="_top">Value1</a><a href="browser.html" target="_top">Value2</a>'
for i in my_str:
    i = str(i).split('^<a.*>$|</a>')
    print(i)

【问题讨论】：

str.split() 函数不带正则表达式...使用正则表达式模块来使用正则表达式
不要在 html 上使用正则表达式，使用 html 解析器

标签： python regex

【解决方案1】：

如果您希望每个元素都包含整个 html 元素，则此方法有效。

import re
re.sub("(a>)(<a)", "\\1[SEP]\\2", my_str).split("[SEP]")

如果您只想要这些值，请执行此操作

re.findall("\>(.[^<]+)<\/a>", my_str)

【讨论】：

【解决方案2】：

如果您想在 html 上进行正则表达式拆分，您也不应该这样做（请参阅上面的 bs4 答案以获得更好的答案）。

import re
my_str = '<a href="default.html" target="_top">Value1</a><a href="browser.html" target="_top">Value2</a>'
split_str = re.findall(r'(?<=>)\w*?(?=<\/a>)', my_str)

【讨论】：

这会产生['', '']
我在进行编辑时没有意识到 OP 正则表达式不起作用。

【解决方案3】：

另一种方法是使用清理技术进行提取，将一个字符拆分并删除不需要的值。

这是我使用的代码


my_str = '<a href="default.html" target="_top">Value1</a><a href="browser.html" target="_top">Value2</a>'

strList = my_str.split('/a>',maxsplit = 2)

for i in strList:
    try:
        print(i.split('>')[1].replace('<',''))
    except IndexError:
        pass

这将为您提供 Value1 和 Value2

【讨论】：

【解决方案4】：

你可以使用bs4.BeautifulSoup:

from bs4 import BeautifulSoup
soup = BeautifulSoup(my_str)
out = [st.string for st in soup.find_all('a')]

输出：

['Value1', 'Value2']

【讨论】：