将 html 字符串拆分为列表

Question

这是我的字符串：'<.tag> xxxxx<./tag> <.tag>'我想将它附加到一个列表中：x=['<.tag>','xxxx','<./tag>','<.tag>']

Answer 1

使用 re.findall用于此目的

以字符串列表的形式返回字符串中模式的所有非重叠匹配项。从左到右扫描字符串，并按找到的顺序返回匹配项。如果模式中存在一个或多个组，则返回组列表；如果模式有多个组，这将是一个元组列表。结果中包含空匹配项

In [1]: a='<.tag> xxxxx<./tag> <.tag>'

In [2]: import re

In [4]: re.findall(r'<[^>]+>|\w+',a)

Out[4]: ['<.tag>', 'xxxxx', '<./tag>', '<.tag>']

In [5]: re.findall(r'<[^>]+>|[^<]+',a)

Out[5]: ['<.tag>', ' xxxxx', '<./tag>', ' ', '<.tag>']

In [17]: [i.strip() for i in re.findall(r'<[^>]+>|[^<]+',a) if not i.isspace()]

Out[17]: ['<.tag>', 'xxxxx', '<./tag>', '<.tag>']

Answer 2

非常正确，使用解析器。

但是，这会做到：

def f(x):

    lst = []

    rec = ""

    for i in x:

        if i == "<":

            if rec != "":

                lst.append(rec)

            rec = ""

        rec += i

        if i == ">":

            lst.append(rec)

            rec = ""

    return lst

它基本上记录了“<”和“>”之间的所有内容并将其添加到列表中。它还记录所有 ">" 和 "<" 之间的间隙，以便记录诸如“xxxx”之类的内容