如何在re.compile中查找和替换脚本元素

Question

我无法从re.compile的html中找到所有的<script>.*</script>。

以下是re文档中的一个示例:

import re
result = re.findall(r'(w+)=(d+)', 'set width=20 and height=10')
print("type: {}, len: {}, values: {}".format(type(result), len(result), result))
print("type: {}, len: {}, values: {}".format(type(result[0]), len(result[0]), result[0]))

输出如下:

type: <class 'list'>, len: 2, values: [('width', '20'), ('height', '10')]
type: <class 'tuple'>, len: 2, values: ('width', '20')

下面是我的测试示例:

import re
string = (
'which <script> prefix foot suffix </script> '
'or <script> prefix hand suffix </script> fell fastest'
)
result = re.findall(r'<script>', string)
print("type: {}, len: {}, values: {}n".format(type(result), len(result), result))
result = re.findall(r'</script>', string)
print("type: {}, len: {}, values: {}n".format(type(result), len(result), result))
result = re.findall(r'<script>.*</script>', string)
print("type: {}, len: {}, values: {}n".format(type(result), len(result), result))

输出如下:

type: <class 'list'>, len: 2, values: ['<script>', '<script>']
type: <class 'list'>, len: 2, values: ['</script>', '</script>']
type: <class 'list'>, len: 1, values: ['<script> prefix foot suffix </script> or <script> prefix hand suffix </script>']

问题1:

我想找出<script>和</script>之间的所有文本，并包括标签本身。

这是预期的输出，结果应该包含列表中的2项，其值如下:

<script> prefix foot suffix </script>
<script> prefix hand suffix </script>

问题2:

然后，我想替换包含"foot"的匹配;使用空字符串，然后返回最终的html:

<script> prefix foot suffix </script> ----> ""

我尝试了一些模式，但没有成功。如何做到这一点?

Answer 1

在您的情况下，您正在匹配第一个<script>标记与最后一个</script>标记以及之间的所有内容与贪婪的.*。您需要做的是通过在它后面添加?来使它变为惰性:

result = re.findall(r'<script>.*?</script>', string)

* ?在0到无限次之间匹配前一个标记，尽可能少地匹配，根据需要展开(惰性)

result变量将拥有两个字符串的数组。至于你的第二个问题,您可以简单地遍历这个数组,使用re.sub替换字符串:

for r in result:
if "foot" in r:
r = re.sub(r'<script>(.*?)</script>', "<script></script>", r)
print(r)