regex - 如何减少python正则表达式中的步骤？

Question

这是我的正则表达式

([^>]+?[<])/?(?!a)(?:br|p)

这是例子
<r> this is text which I do not want <a> This is what I want!<br>
我只想在 '>' 和 '< br 或 p' 之间删除文本

这个正则表达式完全符合我的要求，但我意识到这太花时间了。

我在正则表达式调试器上运行了这个，它花了 800 多个步骤来检查错误的句子。

我该如何解决？

Answer 1

您的 ([^>]+?[<])/?(?!a)(?:br|p)模式的意思:

([^>]+?[<]) - 将 > 以外的一个或多个(但尽可能少)字符捕获到组 1 中直到第一个 <

/? - 匹配一个可选的 /符号

(?!a)(?:br|p) - 匹配任一 br或 p不以 a 开头的(所以，前瞻是没有意义的)。

基本上，它只返回 </br> 之前的文本, <br或 <p .你可以使用

>([^<]+)</?(?:br|p)\b

见 regex demo (有效匹配的 21 个步骤，以及针对非匹配字符串的 9 个步骤 <r> this is text which I do not want <a> This is what I want!br> )。

图案详情 :

> - 文字 >

([^<]+) - 捕获匹配一个或多个字符而不是 < 的组 1

< - 文字 <

/? - 可选(一或零)/

(?:br|p)\b - 要么 br或 p后跟单词边界(这些值之后必须有一个非单词字符)。

Python demo :

import re
p = re.compile(r'>([^<]+)</?(?:br|p)\b')
s = "<r> this is text which I do not want <a> This is what I want!<br>"
print(p.findall(s))