python - RegEx - 匹配可选组

Question

我知道 RegEx 不是抓取 HTML 的最佳方式，但就是这样......我有一些类似的东西:

<td> Writing: <a href="creator.php?c=CCh">Carlo Chendi</a>  Art: <a href="creator.php?c=LBo">Luciano Bottaro</a> </td>

我需要匹配写作和艺术部分。但并不是说它们在那里，可能还有其他部件，例如墨水和铅笔......

我该怎么做？我需要使用纯 RegEx，不需要额外的 Python 库。

Answer 1

也许有两种模式需要识别。

1. 您的关键字存在于 ...
2. 您的关键字后跟... 部分

所以..首先提取s...(伪代码)中的所有内容

while ( match( "<td[^>]*>(.*?)</td[^>]*>" ) ) {
    inner = match[1];
    ...
}

(.*?)意味着非贪婪地匹配，即匹配最小可能。否则，您将匹配第一个 <td> 中的所有内容到最后 </td> (而不是下一个 </td> )。

然后您可以继续处理 inner部分!