使用正则表达式捕获并删除开始和结束xml打开和关闭标记[重复]答案

【问题标题】：capture and remove beginning and end xml open and close tag with regex [duplicate]使用正则表达式捕获并删除开始和结束xml打开和关闭标记[重复]
【发布时间】：2021-03-04 09:30:48
【问题描述】：

我有以下 XML：

<data xmlns="">
<color>blue green</color>
<install>No</install>
<days>4</start>
</data>

我希望从漂亮的汤元素中删除 ''、'' 以及打开和关闭标签。

输出应该是：

Color: blue green, install: no, days: 4

这是我尝试过的：

new = re.sub(r'(/>)</data>.+', '</data>', new)

我刚学正则表达式，请见谅。

【问题讨论】：

如果可用，请尝试使用解析器而不是正则表达式。见stackoverflow.com/questions/1732348/… 和stackoverflow.com/questions/4071696/…

标签： python-3.x regex beautifulsoup

【解决方案1】：

如果你想使用正则表达式来提取你的 XML，可以使用这个：

import re

txt = """
</data>\<data xmlns="">
<color>blue green</color>
<install>No</install>
<days>4</start>
</data>
"""
x = re.findall("(?<=<)([^\/>]+)>(.+)(?=<)", txt)

result=[]
for i in range(len(x)):
    result.append(x[i][0] +': ' + x[i][1] )
print(', '.join(result))

输出：

color: blue green, install: No, days: 4

见https://regex101.com/r/Yqtnkx/1

性能不是很好，但希望对你有帮助。

【讨论】：

【解决方案2】：

根据 cmets，可以使用 BeautifulSoup 而不是正则表达式来实现结果。

您需要做的就是找到标签数据。然后循环通过findChildren()。这将允许您捕获标签名称和文本。

例如：

from bs4 import BeautifulSoup

html = '''<data xmlns="">
<color>blue green</color>
<install>No</install>
<days>4</start>
</data>'''

soup=BeautifulSoup(html,'lxml') 
data=soup.find('data')

results = []
for x in data.findChildren():
    results.append(f'{x.name}: {x.text.strip()}')

separator = ', '
print(separator.join(results))

输出

color: blue green, install: No, days: 4

【讨论】：

感谢@greg 的建议和解决方案！