Python的XML正則表達式匹配問題

Question

我一直在努力，以配合標籤名稱僅（不<和>標誌）是正規標籤的情況：

<w:tag w:attrib1="http://url" w:attrib2="anyValue">

不匹配獨奏標籤（opening-關閉標籤）：

<w:tag2 w:attrib1="anyValue" w:attrib2="http://url" />

（請注意網址的屬性，因爲它們含有斜槓（/））

，但不能設法得到它：

regex = re.compile('(?<=<)w:\w+(?=[\w\W]+>)(?!\s/>)')

print(regex.findall(string))

得到這個：

['w:tag','w:tag2']

期待這樣的：

['w:tag']

有什麼想法？

乾杯。

Answer 1

發現：

regex = re.compile('(?<=<)w:\w+(?=>)|(?<=<)w:\w+(?=[\s\w+:\w+="[\w/:.-]+"]{0,10}>)') 

Answer 2

1）轉到容易對先行/回顧後;他們很難控制，你很少真正需要他們。使用捕獲組來提取部分匹配的字符串。使用負面字符類別和非貪婪搜索（如果需要）以避免匹配太多：

re.findall(r'<\s*(w:\w+)[^>]*(?<!/)>', string) 

更容易閱讀，不是嗎？但是，

2）不要這樣做！不要依賴RE來匹配XML或HTML，你只是要求心碎。有關詳細信息，請參見https://stackoverflow.com/a/1732454/699305。 :-)請熟悉使用python的xml.etree.ElementTree代替xpath表達式。這將需要一些習慣，但它會花費時間 - 你不會後悔。