使用python re拆分'&lt；&>‘行

Question

我想不出如何用<，>符号来分割这行：

"<c#><winforms><type-conversion><decimal><opacity>"

我想从上面的代码行中获得以下列表：

['c#', 'winforms', 'type-conversion', 'decimal', 'opacity']

到目前为止，我尝试的是re.split，但没有成功：

>>> re.split("<(\w+?)>", "<c#><winforms><type-conversion><decimal><opacity>")

['<c#>', 'winforms', '<type-conversion>', 'decimal', '', 'opacity', '']

提前感谢！

Answer 1

如果我们对输入字符串的一些假设是正确的，我们可能可以一起避免正则表达式。我的假设是“列”是遵循以下格式的xml转义字符串：<col1><col2>...<coln>。如果是这样，那么我们真的不需要< (所以让我们删除它)，我们可以在>上拆分。

>>> s = "<c#><winforms><type-conversion><decimal><opacity>"
>>> s.replace('<', '').split('>')
['c#', 'winforms', 'type-conversion', 'decimal', 'opacity', '']

这只会在列表的末尾留下一个空字符串，但在处理过程中只需跳过，这就很容易切掉或处理。

Answer 2

在这种情况下，基于split()或re.split()的解决方案可能是首选，但这里有一种替代的“不要在实践中使用它”的方法，涉及使用HTML解析器：

>>> from bs4 import BeautifulSoup
>>> from HTMLParser import HTMLParser
>>>
>>> s = "<c#><winforms><type-conversion><decimal><opacity>"
>>> [tag.name for tag in BeautifulSoup(HTMLParser().unescape(s), "html.parser").find_all()]
[u'c#', u'winforms', u'type-conversion', u'decimal', u'opacity']

Answer 3

为什么使用split，它只是使用正则表达式来开始/结束剪切和粘贴。

去掉中间人，会更快。

将findall类型的函数与如下所示的regex一起使用

(如果跨越多行，则设置全部点修饰符)

((?:(?!&[gl]t;).)+)(?:&[gl]t;)*

或者，如果您仍然需要使用拆分，请使用此正则表达式

(?:&[gl]t;)+