时间戳

首页 > 解决方案 > 使用正则表达式根据重复组用逗号划分子字符串

regex - 使用正则表达式根据重复组用逗号划分子字符串

问题描述

这是一个编码练习。我应该使用 python 将 html 解析为一个字符串，这样一个 html 字符串如下所示：

"<div><p><b></b></p><p></p><p></p></div>"

变成：

"DIV([P([B([])]),P([]),P([])])"

其中包含其他全局标记的每个全局标记必须以逗号分隔返回。

我知道正则表达式不是这种工作的最佳选择。尽管如此，我有一组有限的可用工具，其中正则表达式就是其中之一。

到目前为止，我所拥有的是以下内容：

repl_from = ["<div>", "</div>", "<img />", "<p>", "</p>", "<b>", "</b>"]
for i in repl_from:
    if i == "<div>":
        j = "DIV(["
    elif i == "<img />":
        j = "IMG({})"
    elif i == "<p>":
        j = "P(["
    elif i == "<b>":
        j = "B(["
    else: j = "])"
    html = html.replace(i, j)

这让我明白了DIV([P([B([])])P([])P([])])。现在我必须用逗号分隔内部参数，这就是我考虑使用正则表达式的地方。但我在这方面迷失了。

我有一个类似这样的伪代码：

1) 查找全局标签的开头 ( patternI = '[A-Z]+\(\[)')

2) 检查以下内容是否为重复标签 ( patternII = '[A-Z]+\(\[\]\)+')

3）如果是这样，获取 的开始和结束索引patternII，然后用逗号替换。我认为，最后一部分可以通过使用函数split()和稍后的函数来简单地执行。join()

如何实现算法的最后一部分？

编辑

好吧，我想我在解释情况时犯了一个错误。对于包含另一组标签的任何标签（如<div><p></p><p></p></div>），必须将包含的标签解析为全局标签的参数（因此：）DIV([P([]), P([])])；如果全局标签只包含一个，则不添加逗号（<div><p></p></div>将变成是DIV([P([])]）。如果没有封闭标签（如 so <p></p><b></b>），那么当它们被转换时，它们之间不带逗号（ as such P([])B([])）。

标签： regexpython-3.x

解决方案

我确定我在这里不理解某些东西，但是如果是这种情况，为什么不只使用简单的：

a="DIV([P([B([])])P([])P([])])"
import re
print(re.sub(r"\)[A-Z]","),P",a))

这将给出：

'DIV([P([B([])]),P([]),P([])])'

我必须为我根本不知道 html 的事实道歉，所以我只能尝试将您提出的值匹配为“a”的值（因为我无法想象所有可能存在的情况）关于对您最近的评论：

免得说：

a="DIV([P([B([])])P([])B([])])P([])B([])"

我们可以混合使用re.findall和来解决这个问题re.sub：

首先，我们将在 a 中找到我们想要替换的所有内容：

b=re.findall(r"\)[A-Z]",a)
print(b)

这将给出：

[')P', ')B', ')P', ')B']

之后，我们需要在每个元素之间插入一个逗号，因为我们将使用它来替换原始元素：

for i in range(len(b)):
    b[i]=b[i][0]+","+b[i][1]

print(b)

这将给出：

['),P', '),B', '),P', '),B']

然后我们将使用这个 b 来代替：

for i in range(len(b)):
    a=re.sub(r"\)[A-Z]",b[i],a,1)

print(a)

这将给出：

DIV([P([B([])]),P([]),B([])]),P([]),B([])

所以上面的整个代码看起来像：

import re

a="DIV([P([B([])])P([])B([])])P([])B([])"
b=re.findall(r"\)[A-Z]",a)

for i in range(len(b)):
    b[i]=b[i][0]+","+b[i][1]


for i in range(len(b)):
    a=re.sub(r"\)[A-Z]",b[i],a,1)

print(a)

PS：请分享 a 的可能值，它不起作用以及您期望的最终结果。我将能够匹配它。

推荐阅读