我正在使用 python 正则表达式进行一些正则表达式匹配。
pattern1 = re.compile('<a>(.*?)</a>[\s\S]*?<b>(.*?)</b>')
pattern2 = re.compile('<b>(.*?)</b>[\s\S]*?<a>(.*?)</a>')
items = re.findall(pattern1, line)
if items:
print items[0]
else:
items = re.findall(pattern2, line)
if items:
print items[0]
如您所见，标签 a 和 b 的顺序不是固定的（a 可以在 b 之前或之后）。
我使用了两种模式（先尝试模式 1，然后尝试模式 2）在标签 a 和标签 b 之间查找文本，但看起来很难看，但我不知道如何使用一种模式来获得与上述代码相同的结果。
谢谢！
【问题讨论】：
请不要使用正则表达式来解析 HTML。正则表达式无法处理 HMTL(*)。用于 Python 的 HTML 解析器不止一个，请使用其中之一。
以下示例使用pyquery，这是一个基于 lxml 的 jQuery API 实现。
from pyquery import PyQuery as pq
html_doc = """
<body>
<a>A first</a><b>B second</b>
<p>Other stuff here</p>
<b>B first</b><a>A second</a>
</body>
"""
doc = pq(html_doc)
for item in doc("a + b, b + a").prev():
print item.text
输出
第一个 B优先解释：选择器a + b 选择所有<b>，前面直接有一个<a>。 .prev() 移动到前一个元素，即 <a> （您似乎对此感兴趣 - 但仅当 <b> 跟随它时）。 b + a 对反向元素顺序执行相同的操作。
(*) 一方面，正则表达式无法处理无限嵌套的结构，当匹配顺序不可预测并且无法处理 HTML 的语义含义（字符转义序列，可选和隐式关闭的元素，对不是非常严格有效的输入的宽松解析等等）。当输入采用您未预料到的形式时，它们往往会静默中断。而且，当扔给 HMTL 时，它们往往会变得如此复杂，以至于会让任何人头疼。不要花时间编写更复杂的正则表达式来解析 HTML，这是一场失败的战斗。您最终可以达到的最佳状态是某种有效但仍不如解析器的东西。花时间学习解析器。
【讨论】：
改成：
re.compile('(?:<b>|<a>)(.*?)(?:</a>|</b>)[\s\S]*?(?:<a>|<b>)(.*?)(?:</a>|</b>)')
请注意，这需要更多注意，因为它匹配<a>，后跟</b>。如果你想防止这种情况，只需抓住第一组（<a> 或<b>）然后强制它，比如：
<\\\1>
这将匹配\，后跟上一个捕获的标签，即a 或b。
我不建议使用正则表达式来解析 HTML，而是使用解析器。
【讨论】：
<a>(.*?)</a>简单地改成(?:<b>|<a>)(.*?)(?:<b>|<a>)还是错的，因为现在你匹配<a>Something<b>，原来的模式不会匹配。
<a>something<a>，a 之前应该有 \。
<a>|<b> 并将其强制为封闭标签。OP 应该相应地修改他的代码。如果我不在工作，我会建议一个完整的解决方案:(
请改用 HTML 解析器（正如 Tomalak 和 Maroun Maroun 已经建议的那样）。至于原因，Tomalak 已经解释过了。
我只是为你的问题提供一个字面上的解决方案来取乐：
要组合两种模式，只需使用|，例如：
pattern = re.compile('<a>(.*?)</a>[\s\S]*?<b>(.*?)</b>|<b>(.*?)</b>[\s\S]*?<a>(.*?)</a>')
但是现在你捕获了 4 个组，所以你必须手动检查你匹配的组。
match = re.search(patternN, line)
if match.group(1, 2) != (None, None):
print match.group(1, 2)
else:
print match.group(3, 4)
或者，更简单，使用命名组：
pattern = re.compile('<a>(?P<first>.*?)</a>[\s\S]*?<b>(.*?)</b>|<b>(.*?)</b>[\s\S]*?<a>(.*?)</a>')
match = re.search(pattern, line)
print match.group(1, 2) if match.group('first') else match.group(3, 4)
【讨论】：