Python 在ReEX文件中忽略一个XML标签（使用非捕获组？）

我有一个带有嵌入标记的xml，我想捕获除FType标记之外的所有内容。。。 在python正则表达式中

<xml>
<EType>
<E></E>
<F></F>
<FType><E1></E1><E2></E2></FType>
<FType><E1></E1><E2></E2></FType>
<FType><E1></E1><E2></E2></FType>
<G></G>
</EType>
</xml>

我试过：

(?P<xml>.*(?=<FType>.*<FType>).*)

（？P.*（=.*））

但它给了我一切-(

我期望：

<xml>
<EType>
<E></E>
<F></F>
<G></G>
</EType>
</xml>

---

不需要正则表达式：

In [1]: x = '''    
<xml>
<EType>
<E></E>
<F></F>
<FType><E1></E1><E2></E2></FType>
<FType><E1></E1><E2></E2></FType>
<FType><E1></E1><E2></E2></FType>
<G></G>
</EType>
</xml>'''

In [2]: y = '\n'.join([tag for tag in x.split() if not tag.startswith('<FType>')])

In [3]: print y
<xml>
<EType>
<E></E>
<F></F>
<G></G>
</EType>
</xml>

[1]中的

：x=''
'''
在[2]中：y='\n'.join（[x.split（）中的标记，如果不是tag.startswith（''））
在[3]中：打印y

不需要正则表达式：

In [1]: x = '''    
<xml>
<EType>
<E></E>
<F></F>
<FType><E1></E1><E2></E2></FType>
<FType><E1></E1><E2></E2></FType>
<FType><E1></E1><E2></E2></FType>
<G></G>
</EType>
</xml>'''

In [2]: y = '\n'.join([tag for tag in x.split() if not tag.startswith('<FType>')])

In [3]: print y
<xml>
<EType>
<E></E>
<F></F>
<G></G>
</EType>
</xml>

[1]中的

：x=''
'''
在[2]中：y='\n'.join（[x.split（）中的标记，如果不是tag.startswith（''））
在[3]中：打印y

单向使用：

它产生：

<?xml version="1.0" encoding="utf-8"?>
<xml>
 <EType>
  <E/>
  <F/>
  <G/>
 </EType>
</xml>

单向使用：

它产生：

<?xml version="1.0" encoding="utf-8"?>
<xml>
 <EType>
  <E/>
  <F/>
  <G/>
 </EType>
</xml>

---

您的表达式至少有四个问题

首先，您要在一个大组中捕获从

到

的所有内容。这意味着，如果您设法排除FType位，您将一无所获；如果您不排除FType位，您将获得所有内容。如果您创建三个单独的组，并使中间的一个不捕获，则可以排除中间的一个

其次，您试图排除从

到

的所有内容，这是行不通的。结束标记是

第三，您在任何地方都使用贪婪匹配，因此即使前两个匹配正确，您也要将所有内容匹配到最后一个FType，包括任何早期FType

总而言之：

>>> re.match(r'(?P<xml>.*?)(?:<FType>.*</FType>)(.*)', s, re.DOTALL).groups()
('<xml>\n<EType>\n<E></E>\n<F></F>\n', '\n<G></G>\n</EType>\n</xml>\n')

>>re.match（r'（？P.*）（：.*）（.*），s，re.DOTALL.groups（）
（'\n\n\n'，'\n\n\n\n'）

如果您将连接在一起，或将子连接到r'\1\2'等，您将获得所需的输出

第四，这当然是非常脆弱的。但是，用regexps解析像XML这样的非常规语言肯定是非常脆弱的（或者非常复杂，有时速度非常慢），这就是为什么你不应该这么做。但这正是你所要求的

---

如果你想把它用于，或者，这可能对你没有多大帮助。

你的表达式至少有四个问题

首先，您要在一个大组中捕获从

到

的所有内容。这意味着，如果您设法排除FType位，您将一无所获；如果您不排除FType位，您将获得所有内容。如果您创建三个单独的组，并使中间的一个不捕获，则可以排除中间的一个

其次，您试图排除从

到

的所有内容，这是行不通的。结束标记是

第三，您在任何地方都使用贪婪匹配，因此即使前两个匹配正确，您也要将所有内容匹配到最后一个FType，包括任何早期FType

总而言之：

>>> re.match(r'(?P<xml>.*?)(?:<FType>.*</FType>)(.*)', s, re.DOTALL).groups()
('<xml>\n<EType>\n<E></E>\n<F></F>\n', '\n<G></G>\n</EType>\n</xml>\n')

>>re.match（r'（？P.*）（：.*）（.*），s，re.DOTALL.groups（）
（'\n\n\n'，'\n\n\n\n'）

如果您将连接在一起，或将子连接到r'\1\2'等，您将获得所需的输出

第四，这当然是非常脆弱的。但是，用regexps解析像XML这样的非常规语言肯定是非常脆弱的（或者非常复杂，有时速度非常慢），这就是为什么你不应该这么做。但这正是你所要求的

---

如果你想用这个，或者，这可能不会对你有多大帮助。

在阅读了你更新的问题和所有其他答案后，我想

你为什么要匹配？

您可以使用replace函数删除

…

import re

string = "<xml>\
<EType>\
<E></E>\
<F></F>\
<FType><E1></E1><E2></E2></FType>\
<FType><E1></E1><E2></E2></FType>\
<FType><E1></E1><E2></E2></FType>\
<G></G>\
</EType>\
</xml>"

result = re.sub(r'(?i)<ftype>.*?</ftype>[\r\n]*', r'', string)

print result.replace("<", "&lt;").replace(">", "&gt;<br>") # the replace function is just for the output

重新导入
字符串=”\
\
\
\
\
\
\
\
\
"
结果=re.sub（r'（？i）。*？[\r\n]*'，r''，字符串）
打印结果。替换（“，”
”）#替换功能仅用于输出

说明：

• （？i）

  ：启用

  i

  修饰符匹配不区分大小写

• ：匹配

• *？

  ：匹配所有未冻结的内容，直到

• ：匹配

• [\r\n]*

  ：匹配

  \r

  或

  \n

  零次或多次

---

在阅读了您更新的问题和所有其他答案后，我想

您为什么要匹配？

您可以使用replace函数删除

…

import re

string = "<xml>\
<EType>\
<E></E>\
<F></F>\
<FType><E1></E1><E2></E2></FType>\
<FType><E1></E1><E2></E2></FType>\
<FType><E1></E1><E2></E2></FType>\
<G></G>\
</EType>\
</xml>"

result = re.sub(r'(?i)<ftype>.*?</ftype>[\r\n]*', r'', string)

print result.replace("<", "&lt;").replace(">", "&gt;<br>") # the replace function is just for the output

重新导入
字符串=”\
\
\
\
\
\
\
\
\
"
结果=re.sub（r'（？i）。*？[\r\n]*'，r''，字符串）
打印结果。替换（“，”
”）#替换功能仅用于输出

说明：

• （？i）

  ：启用

  i

  修饰符匹配不区分大小写

• ：匹配

• *？

  ：匹配所有未冻结的内容，直到

• ：匹配

• [\r\n]*

  ：匹配

  \r

  或

  \n

  零次或多次

---

在python正则表达式中

请使用解析器。您“想要”除了“<代码> <代码>标签外，但看到XML结构，<代码> <代码>是<代码> <代码>标签和<代码> <代码>标签的一部分。逻辑上它将包含在您的结果中。请给我们展示预期的结果。此外，为了省去一些麻烦，您可以考虑适当的解析器……我使用Python ReGEX，因为我需要。这是用于splunk搜索字符串的…我已更新了预期结果，谢谢。您更新的预期结果显然是空字符串。为此，我将匹配python正则表达式中的表达式

r'

。。请使用解析器。您“想要”除了<代码> <代码>标签之外的所有东西，但是看到你的XML结构，<代码> <代码>是<代码> <代码>标签和<代码> <代码>标签的一部分。逻辑上它将包含在你的结果中。请给我们展示预期的结果。