编辑：我注意到这已被授予重复，但是它不是，因为重复的解决方案涉及使用美丽的套件进行解析。我知道Beautifulsoup是解决这个问题的更好解决方案，但是为了学习，我一直在尝试使用Regex。
我是Regex的新手，正在为HTML桌子制作基于Python的Regex Parser。到目前为止，我设法生成了正确解析正常行，单元格和标头的模式，但是希望修改我的正则表达式以适应细胞和标题内的HTML。本质上，我希望将较大的单元格内的HTML代码留下来，这样做类似的事情：
found = re.findall(isHeader,"<th>Student</th> Name</th>")
found = "Student</th> Name"
进行了一些研究之后，我试图使用look-tead来解决问题：
isHeader = r'<ths*>([Ss]*?)</ths*>(?!(?:</ths*>))'
此正则是试图隔离以" <th>"开头的字符串，并以" </th>"结尾，只要在下一个模式开始之前就没有相同模式的" </th>" s。该模式成功地隔离了"正确的"标头（在标题本身中没有</th> s），但无法正确解析"不当"标头，在第一个</th>找到了字符串。
我假设我的外观已经错误地实现了。任何建议将不胜感激。
谢谢！
这样的事情怎么样：
(?<=<th>).*(?=</th>)
演示：https：//regex101.com/r/hil3zi/1