test = '<tag>part1</tag><tag can have random stuff here>part2</tag>'
print(re.findall("<tag.*>(.*)</tag>", test))
Он выводит:
['part2']
Текст может иметь любое количество «частей». Я хочу вернуть их все, а не только последнюю. Как лучше всего это сделать?
Я придумал один из способов сделать это — скопировать строку, затем стереть все совпадения с </tag>, а затем с <tag.*>, но я считаю, что есть лучший способ сделать это.
Причина, по которой вы ловите только одну из частей, заключается в том, что вы используете *
, что является жадным. Если вместо этого вы измените первый .*
на .*?
, то модификатор ?
сделает его нежадным, что может сделать то, чего вы пытаетесь достичь. Но, как указывает @jonrsharpe, не используйте RegEx в качестве метода синтаксического анализа для HTML.
Вы можете изменить свой .*
на .*?
, чтобы они не были жадными. Это заставит ваш оригинальный пример работать:
import re
test = '<tag>part1</tag><tag can have random stuff here>part2</tag>'
print(re.findall(r'<tag.*?>(.*?)</tag>', test))
Output:
['part1', 'part2']
Хотя, вероятно, было бы лучше не пытаться анализировать это только с помощью регулярного выражения, а вместо этого использовать правильную библиотеку парсера HTML.
Похоже, вы пытаетесь разобрать HTML с помощью регулярных выражений... stackoverflow.com/a/1732454/3001761