正则表达式替换文本前后，保持文本原位答案

【问题标题】：Regex replace before and after text, keep text in place正则表达式替换文本前后，保持文本原位
【发布时间】：2013-11-04 16:13:08
【问题描述】：

我有一些类似的文字

<br />
blah
<br />
blah blah

我想改成哪个：

<p>
blah
</p>
<p>
blah blah
</p>

我有以下正则表达式

newContent = re.sub("<br />(?=(.*(<br />)?\n)<br />)","<p>",newContent)

但这不会像我想要的那样工作。我希望在期待之前用<p> 替换任何东西，在期待之后用</p> 替换任何东西

这可能吗？

【问题讨论】：

警告词：Regex is not a tool that can be used to correctly parse HTML
又是一天。另一个机会发布这个解释：stackoverflow.com/questions/6751105/…
这个问题似乎跑题了，因为它是about parsing HTML with RegEx!
表现得好像我没有给你regex solution :P <br\s*/?>(.*?)(?=<br\s*/?>|$)，替换为<p>\1</p>

标签： python html regex replace

【解决方案1】：

是简单的正则表达式，不需要拆分和BeautifulSoup。

import re
t = '(.+)(blah)(.+)(blah blah)'
r = r"""<p>
\2
</p>
<p>
\4
</p>
"""
s = """<br />
blah
<br />
blah blah
"""
print(re.sub(t, r, s, flags=re.S))

它给了

<p>
blah
</p>
<p>
blah blah
</p>

【讨论】：

【解决方案2】：

听听那些建议你使用html 解析器的人，比如beautifulsoup：

from bs4 import BeautifulSoup

soup = BeautifulSoup(open('htmlfile', 'r'), 'html')

for br in soup.find_all('br'):
    p = soup.new_tag('p')
    p.string = br.next_sibling.extract()
    br.replace_with(p)

print(soup.prettify())

像这样运行它：

python3 script.py

产生：

<html>
 <body>
  <p>
   blah
  </p>
  <p>
   blah blah
  </p>
 </body>
</html>

【讨论】：

【解决方案3】：

您不能使用正则表达式来做到这一点，因为它们只能替换原处的文本片段，而不是进一步传播结果。你所能做的只是一些像这样的解决方法：

 s = "html code"
 s = s.split("<br />");
 s = "<p>" + "</p><p>".join(s) + "</p>"

【讨论】：