正则表达式 - 将“或”与“后视”相结合答案

【问题标题】：Regex - Combining an 'or' with a 'look-behind'正则表达式 - 将“或”与“后视”相结合
【发布时间】：2014-02-25 16:41:01
【问题描述】：

抱歉标题令人困惑。我试图找出一个简单的正则表达式问题，但无法弄清楚解决方案是什么。

我有一个来自较大 HTML 文档的 HTML sn-p。

其他正则表达式将两者分开，给他们那些类名。我使用肯定的look-ahead 来检查. 或,（句号或逗号），并分别为他们分配年级或老师的班级。

问题来了，当我想检查这些标签之间的代码是否为空白时。

我想使用积极的回顾来检查班级是年级还是老师(grade|teacher)。另外，我想检查一下><（空标签的连接）之间是否真的没有任何东西。

到目前为止，这就是我所拥有的：(?<=.*(teacher|grade)*.+>?)[^.](?=</td>)

注意：这是在 Python 中

【问题讨论】：

HTML 不是一个钉子状的问题，放下那个正则表达式锤子。选择一个 HTML 解析器，比如 BeautifulSoup。
强制，HTML 最好用 html 解析器解析，而不是正则表达式
我将 Regex 与 BeautifulSoup 结合使用。考虑到 HTML 的大小及其复杂性，BeautifulSoup 在呈现 HTML 时毫无用处，除非 Regex 更改类以便 BeautifulSoup 可以解析并找到它。 @MartijnPieters
soup.find_all('td', class_=['teacher', 'grade'], text=True) 会找到你所有的元素。
@jayumz：如果输入的 HTML 没有类，则使用正则表达式匹配文本内容：soup.find_all('td', text=re.compile(',')) 查找所有带有逗号文本的 td 元素。

【解决方案1】：

相信 BeautifulSoup 并使用正则表达式搜索，而不是预处理您的 HTML：

soup.find_all('td', text=re.compile(','))

在包含逗号的标记中查找所有带有 direct 文本的 <td> 元素。

【讨论】：