Python 解析复杂匹配分隔符

像HTML标记这样的结构有一个开始和结束部分，共享一个相同的标记以使它们相互匹配

。。。

我想使用

pyparsing

库捕获这些对及其内容。我知道如何指定单个标记

从pyparsing导入SkipTo，makeHTMLTags
打开，关闭=生成HTMLTAGS（“标记”）
（打开+跳过（关闭）+关闭）.parseString（“标记内容”）
#产生['tag'，False，'tag content'，'']

我还知道，当指定多个不同的标记时，每个标记都需要一个专用规则来避免一个标记关闭另一个标记。因此，当标记集是

或（（“tag”，“other”）

时，只需扩展前一个示例

从pyparsing导入SkipTo、makeHTMLTags或
打开、关闭=生成HTMLTAGS（或（（“标记”、“其他”））
（打开+跳过（关闭）+关闭）.parseString（“标记内容”）
#产生['other'，False，'Tag content'，'']

产生不匹配的标记。解析器使用

关闭打开的

。这可以通过为每个标签指定专用规则来修改

从pyparsing导入SkipTo、makeHTMLTags或
或((
打开+跳过（关闭）+关闭
开放式，封闭式
映射（makeHTMLTags，（“标记”，“其他”））
)).parseString（“标记内容”）
#产生['other'，False，'Tag content'，'']

---

例如，现在我想查找所有以

t

开头的标记，从而搜索

Word（'t'，alphas）

，而不是

或（（“标记”，“其他”，…）

）。当要匹配的标记集可能无限大时，如何使标记匹配？

我不熟悉pyparsing模块，但您的问题似乎可以通过以下方法解决。下面是我使用lxml的示例代码：

# -*- coding: utf-8 -*-
from lxml import etree


def pprint(l):
    for i, tag in enumerate(l):
        print 'Matched #%s: tag name=%s, content=%s' % (i + 1, tag.tag, tag.text)


def main():
    # Finding all <tag> tags
    pprint(etree.HTML('<tag>Tag content</tag>').xpath("//tag"))

    # Finding all stags starts with "t"
    pprint(etree.HTML('<tag>tag1 content</tag><tag2>tag2 conent</tag2><other>other</other>').xpath(
        "//*[starts-with(local-name(), 't')]"))


if __name__ == '__main__':
    main()

---

希望对您有所帮助。

我不熟悉pyparsing模块，但您的问题似乎可以通过解决。下面是我使用lxml的示例代码：

# -*- coding: utf-8 -*-
from lxml import etree


def pprint(l):
    for i, tag in enumerate(l):
        print 'Matched #%s: tag name=%s, content=%s' % (i + 1, tag.tag, tag.text)


def main():
    # Finding all <tag> tags
    pprint(etree.HTML('<tag>Tag content</tag>').xpath("//tag"))

    # Finding all stags starts with "t"
    pprint(etree.HTML('<tag>tag1 content</tag><tag2>tag2 conent</tag2><other>other</other>').xpath(
        "//*[starts-with(local-name(), 't')]"))


if __name__ == '__main__':
    main()

希望能有帮助