如何用另一种类型的标签替换 (<a ...>..</a> => ..)答案

【问题标题】：How to replace one type of tag by another (<a ...>..</a> => ..)如何用另一种类型的标签替换 (<a ...>..</a> => ..)
【发布时间】：2017-02-22 15:18:09
【问题描述】：

我正在尝试弄清楚如何用TEXT 标签替换所有<a href....>TEXT</a> 标签。

我已经开始寻找<a href...> 和</a> 的模式，所以我可以相应地替换它们。不幸的是，它似乎与最接近的字符串不匹配。

>>> s = '<td class="tt"><a href="#">Alert types</a></td>&#13;<td class="info">Vibration</td>&#13;      </tr><tr><td class="tt"><a href="#">Sound</a>'

>>> re.sub('<a h.*>','<p>',s)

'<td class="tt"><p>'

代替：

 '<td class="tt"><p>Alert types</a></td>&#13;<td class="info">Vibration</td>&#13;      </tr><tr><td class="tt"><p>Sound</a>'

你知道如何让它匹配.*之间最接近的字符串吗？

【问题讨论】：

你的正则表达式有h.*所以任何东西，试试<a h[^>]*>
使用像lxml这样的HTML解析器和序列化器。
你真的要use regex to parse HTML?
@depperm 我的方法是“我不在乎” 之间的内容，但它必须是最接近的匹配，所以是的，但是 ...> 不是
@CésarLandesa 如果我想做很多事情，我会考虑其他事情，但这是我唯一想要的，所以我希望这是一个最简单和轻量级的解决方案......跨度>

标签： python regex parsing

【解决方案1】：

使用以下方法：

s = '<td class="tt"><a href="#">Alert types</a></td>&#13;<td class="info">Vibration</td>&#13;      </tr><tr><td class="tt"><a href="#">Sound</a>'
replaced = re.sub(r'<a[^>]+?>([\w\W]+?)<\/a>', r'<p>\1</p>', s)

print(replaced)

输出：

<td class="tt"><p>Alert types</p></td>&#13;<td class="info">Vibration</td>&#13;      </tr><tr><td class="tt"><p>Sound</p>

【讨论】：

【解决方案2】：

不确定使用正则表达式是否是个好主意。但如果你更喜欢正则表达式，那么这里是：

re.sub('<a [^>]*>([^<]*)</a>','<p>\\1</p>',s)

使用([^<]*) 捕获a 标记之间的文本，作为替换它使用组作为\\1

【讨论】：

【解决方案3】：

这应该可行。

搜索方式：

(<.+?>)(.+)(<.+?>)

输入：

<a href="#">Sound</a>

替换为：

<p>$2</p>

输出：

<p>Sound</p>

Python 代码：

# coding=utf8
# the above tag defines encoding for this document and is for Python 2.x compatibility

import re

regex = r"(<.+?>)(.+)(<.+?>)"

test_str = "<a href=\"#\">Sound</a>"

subst = "<p>$2</p>"

# You can manually specify the number of replacements by changing the 4th argument
result = re.sub(regex, subst, test_str, 0, re.MULTILINE)

if result:
    print (result)

# Note: for Python 2.7 compatibility, use ur"" to prefix the regex and u"" to prefix the test string and substitution.

见：https://regex101.com/r/j4OsbX/1

【讨论】：