Python 정규식 태그 내용이 태그 이름이 아닙니다.

Question

다음과 같은 문제가 있습니다. 일부 HTML 코드가있어서 태그 내용을 가져와야합니다. 수백만 개의 하위 문자열이나 그와 비슷한 것을 사용하고 싶지 않습니다. 나는 정규식을 사용하고 싶지만 클래스, ID, 또는 아무것도없이 태그를 필터링하는 데 문제가있다. 여기 내 정규식입니다 :

match = re.search('(?<=<span(.+)?>)(.*)(?=</span>)', '<span class="red">color</span>') 

파이썬 내가 도움에서

<span>color</span> 

감사합니다 모두에서

<span class="red">color</span> 

및 에서 콘텐츠를하려는 오류

sre_constants.error: look-behind requires fixed-width pattern 

다음 던져!

Answer 1

간단한 대답 : findall을 사용하여 보이지 않는 부분을 건너 뛰고 캡처 그룹을 가져옵니다.

<span(.+)?>(.*?)</span> 

그러나 것이다이 은 많은 경우에 실패합니다. 예 : 중첩 태그, 텍스트가 포함 된 문자열 </span> 등 ...