Поиск строк в тексте с использованием регулярных выражений с Python

Question

У меня есть текст, в котором были использованы только <b> и </b>. Например, <b>abcd efg-123</b>. Можно ли извлечь строку между этими тегами? также мне нужно извлечь 3 слова до и после этого фрагмента строки <b>abcd efg-123</b>. Как я могу это сделать? что было бы подходящим регулярным выражением для этого?

Answer 1

получит то, что находится между тегами,

>>> s="1 2 3<b>abcd efg-123</b>one two three"
>>> for i in s.split("</b>"):
...   if "<b>" in i:
...      print i.split("<b>")[-1]
...
abcd efg-123

Answer 2

Обрабатывает теги внутри <b>, если они не являются <b> ofcouse.

import re    
sometext = 'blah blah 1 2 3<b>abcd efg-123</b>word word2 word3 blah blah'
result = re.findall(
      r'(((?:(?:^|\s)+\w+){3}\s*)'            # Match 3 words before
      r'<b>([^<]*|<[^/]|</[^b]|</b[^>])</b>'  # Match <b>...</b>
      r'(\s*(?:\w+(?:\s+|$)){3}))', sometext) # Match 3 words after

result == [(' 1 2 3<b>abcd efg-123</b>word word2 word3 ',
    ' 1 2 3',
    'abcd efg-123',
    'word word2 word3 ')]

Это должно работать и работать хорошо, но если оно становится более продвинутым, тогда вы должны рассмотреть использование HTMLсинтаксический анализатор.

Answer 3

Это на самом деле очень тупая версия и не допускает вложенные теги.

re.search(r"(\w+)\s+(\w+)\s+(\w+)\s+<b>([^<]+)</b>\s+(\w+)\s+(\w+)\s+(\w+)", text)

См. Документацию по Python .

Answer 4

Вы не должны использовать регулярные выражения для разбора HTML. Так лежит безумие.

Вышеуказанная статья фактически предоставляет регулярное выражение для вашей проблемы, но не используйте его.