Python的正则表达式问题

Question

我有结束标签，接着通过一个或多个突片（X09），接着加入新的开始标签followd一个回车换行符（x0Dx0A）。

事情是这样的：

</tag1>x0Dx0Ax09x09x09<tag2> or </tag1>x0Dx0Ax09x09x09x09x09<tag2> 

什么Python的正则表达式，我应该使用像这样的东西来替代它：

</tag1><tag3>content</tag3><tag2> 

在此先感谢。

Answer 1

这里是像你说的话，你需要编写代码：

>>> import re 
>>> sample = '</tag1>\r\n\t\t\t\t<tag2>' 
>>> sample 
'</tag1>\r\n\t\t\t\t<tag2>' 
>>> pattern = '(</tag1>)\r\n\t+(<tag2>)' 
>>> replacement = r'\1<tag3>content</tag3>\2' 
>>> re.sub(pattern, replacement, sample) 
'</tag1><tag3>content</tag3><tag2>' 
>>> 

注意\r\n\t+可能有点太具体，特别是如果你的生产投入是不是你的控制之下。采用更通用的\s*（零个或多个空白字符）可能会更好。

使用正则表达式来解析XML和HTML通常不是一个好主意......尽管在这里很难看到失败模式（除了获取模式的基本错误是正确的）之外，您可能想告诉我们什么是根本问题是，以防其他解决方案更好。