如何删除以某事开头和结尾的子字符串？

Question

如何从以特定字符组合开头和结尾的字符串中删除子字符串，例如：' bla <span class=""latex""> ... This can be different1 ... </span> blub <span class=""latex""> ... This can be different2 ... </span> bleb'我想要的结果：'bla blub bleb'我尝试过这样的事情string.replace('<span class=""latex"">' * '</span>', '')但这不起作用。有没有办法实现这个？

Answer 1

如果您想要某些部分而不是其他部分，则需要使用组。

import re

s = ' cvbcx cvbcx <span class=""latex""> ... This can be different ... </span>vcvbcxbvxc'

r = re.search( r'(<span class=""latex"">)(.+)(</span>)', s)

print(s)

# cvbcx cvbcx <span class=""latex""> ... This can be different ... </span>vcvbcxbvxc

# print(r)

# <re.Match object; span=(13, 73), match='<span class=""latex""> ... This can be different >

print(r.group(1), r.group(3))

# <span class=""latex""> </span>

Answer 2

这可以工作：

>>> import re

>>> x=re.sub(r"""<span class=""latex"">.+?</span>""", "", s)

>>> x

' bla  blub  bleb'

正则表达式101

编辑：在 OP 澄清后，将答案更改为使用惰性量词而不是捕获组。虽然这可行，但它不能扩展到更复杂的情况。如果是这种情况，正确的解决方案是解析字符串并提取所需的内容。

Answer 3

阅读re.sub 函数。

一个简单的例子：

import re

s = ' cvbcx cvbcx <span class=""latex""> ... This can be different ... </span>vcvbcxbvxc'

re.sub(r'<span class=""latex"">.+</span>', '<span class=""latex""></span>', s)

>> ' cvbcx cvbcx <span class=""latex""></span>vcvbcxbvxc'

Answer 4

如果要将数据保留在两者之间：

    >>> x

'<span class=""latex""> ... This can be different ... </span>'

>>> 

>>> d = re.sub('<(/)?span(\ class=\"\".*\"\")?(>)', '', x)

>>> 

>>> d

' ... This can be different ... '

>>> 

如果要保留标签：

>>> x

'<span class=""latex""> ... This can be different ... </span>'

>>> 

>>> 

>>> 

>>> new_data = 'abc 123 456'

>>> 

>>> 

>>> d = re.sub('\">.*</','\">{}</'.format(new_data),x)

>>> 

>>> 

>>> d

'<span class=""latex"">abc 123 456</span>'

>>> 

>>> 

>>>