python之仅匹配不属于 HTML 标记的文本的正则表达式 (Python)

只要模式不在 HTML 标记内，我如何进行模式匹配？

下面是我的尝试。谁有更好/不同的方法？

import re 
 
inputstr = 'mary had a <b class="foo"> little loomb</b>' 
 
rx = re.compile('[aob]') 
repl = 'x' 
 
outputstr = '' 
i = 0 
 
for astr in re.compile(r'(<[^>]*>)').split(inputstr): 
    i = 1 - i 
 
    if i: 
        astr = re.sub(rx, repl, astr) 
 
    outputstr += astr 
 
print outputstr 

输出:

mxry hxd x <b class="foo"> little lxxmx</b> 

注意事项:

• 匹配 HTML 标签的 <[^>]*> 模式显然有缺陷——我写得很快，没有考虑在引用的属性中使用尖括号的可能性(例如 '').它也不考虑 <script> 或 <style> 标签或评论。

请您参考如下方法:

既然你正在使用 Python，如果我是你，我会看看 Beautiful Soup ，这是一个 Python HTML/XML 解析器。真的，编写自己的解析器有很多特殊情况和令人头疼的问题，不值得付出努力。您的正则表达式将变得难以管理，并且在所有情况下仍不会产生正确的结果。

只需使用 Beautiful Soup .