python - 正则表达式 - 如何获取该字符串中的最后一个标签

Question

我有一个字符串

"<li style="-moz-float-edge: content-box">... that in <i><b><a href="/wiki/La%C3%9Ft_uns_sorgen,_la%C3%9Ft_uns_wachen,_BWV_213" title="Lat uns sorgen, lat uns wachen, BWV 213">Die Wahl des Herkules</a></b></i>, Hercules must choose between the good cop and the bad cop?<br style="clear:both;" />" 

我想获取最后一个标签

"<br style="clear:both;" />"

我的重新 - r'[<]([\w]+\b)(.^<)+[/][>]'不起作用。我希望通过排除 '<' 来找到匹配项符号。

https://regex101.com/r/BDD30S/1

Answer 1

注意:使用正则表达式解析 HTML 是一个糟糕的主意!

但是，我无法抗拒挑战，所以这里是:

import re

haystack = '<li style="-moz-float-edge: content-box">... that in <i><b><a href="/wiki/La%C3%9Ft_uns_sorgen,_la%C3%9Ft_uns_wachen,_BWV_213" title="Lat uns sorgen, lat uns wachen, BWV 213">Die Wahl des Herkules</a></b></i>, Hercules must choose between the good cop and the bad cop?<br style="clear:both;" />'

needle = r'(<[^<>]*>)'
matches = re.findall(needle, haystack)
if matches:
  print(matches[-1])

此代码查找最后一个非嵌套标签。如果元素有 < ，它会严重失败或>其属性或文本内容中的任何位置。如果某个元素有一个开始标签和一个结束标签，则只会找到结束标签。

<br style="clear:both;" />