python - 如何用正则表达式匹配标签里面的a标签

Question

这里有这样一个问题，我们会遇到这样的情况：

<td>(1)(<a href="(2)">(3)</ a>)(4)</ td>

这里的2,3位置决定的a标签可能存在，而1,4的位置可能由内容也可能没有内容，能不能用一个正则表达式让不管a标签存在与否都匹配出1,4位置的内容呢

比如
<td><a href=""></a>this is not empty</td>
<td>this is not empty<a href=""></a></td>
<td>this is not empty><a href=""></a>this is not empty</td>

这里有一个例子

<td>(.+?)(<a href="(.+?)>(.+?)</a>)?(.+?)</td>

但是这显然是不能满足我们的需求的，能找到正确的方案吗？

Answer 1

Haha, this would be easy if it were php. Just filter the tags directly and you’re done. However, PY
depends on what you mean by extracting text from the table. .
That’s okay
<td>(.*?)(<.+?>)*(.*?)</td><td>(.*?)(<.+?>)*(.*?)</td>
也可以分步，先 <td>(.+?)</td> 把内容取出来。然后把 <.+?> 全替换空。

或者。。用回你的正则
<td>(.+?)(<a href="(.*?)>(.*?)</a>)?(.+?)</td>

+代表匹配至少1次，而* You can also do it step by step, first <td>(.+?)</td> to take out the content. Then replace all <.+?> with nothing.

#🎜🎜#Or. . Use your regular expressions#🎜🎜#<td>(.+?)(<a href="(.*?)>(.*?)</a>)?(.+ ?)</td>#🎜🎜# #🎜🎜#+ represents at least 1 match, while * represents 0 or more times #🎜🎜#