python - 用于从 < 和 > 内部提取文本字符串的正则表达式 (Python) - 例如 等

Question

我目前正在研究 Stack Overflow 数据转储，并试图构建(我想象的)一个简单的正则表达式以从 < 内部提取标签名称。和 >人物。因此，对于每个问题，我都有一个或多个标签的列表，例如 <tagone><tag-two>...<tag-n>并试图仅提取标签名称列表。以下是从数据转储中获取的一些示例标记字符串:

<javascript><internet-explorer>

<c#><windows><best-practices><winforms><windows-services>

<c><algorithm><sorting><word>

<java>

作为引用，我不需要将标签名称分成单词，所以对于像<best-practices>这样的例子我想回来 best-practices (不是 best 和 practices )。此外，不管它的值(value)如何，如果它有任何不同，我正在使用 Python。有什么建议吗？

Answer 1

由于 Stackoverflow 的标签名称没有嵌入 < >你可以使用正则表达式:

<(.*?)>

或

<([^>]*)>

解释:

• < : 文字 <
• (..) : 分组并记住匹配。
• .*? : 匹配任何东西非贪婪方式。
• > : 文字 <
• [^>] : 要匹配的字符类除 > 以外的任何内容