使用变量模式拆分字符串答案

【问题标题】：Split a string using variable pattern使用变量模式拆分字符串
【发布时间】：2021-09-07 23:48:50
【问题描述】：

我需要从 srt 文件中的对话框中提取标签和文本，例如：

'<b><font color="#ca6500">FEMALE VOICE:</font></b> <i>The world is changed.</i>'

我想得到：

['<b>', '<font color="#ca6500">', 'FEMALE VOICE:', '</font>', '</b>', ' ', '<i>', 'The world is changed.', '</i>']

我们将不胜感激。

【问题讨论】：

我强烈推荐在这里使用 HTML 解析器。可以使用beautifulsoup 模块吗？

标签： python html string split

【解决方案1】：

正如上面的评论所暗示的，您可能想在这里使用 Beautiful Soup。话虽如此，对于只有单个嵌套的顶级 HTML 标记的文本，正则表达式可以很好地应对。这是re.findall 方法：

inp = '<b><font color="#ca6500">FEMALE VOICE:</font></b> <i>The world is changed.</i>'
matches = re.findall(r'<.*?>|.+?(?=<|$)', inp)
print(matches)

打印出来：

['<b>', '<font color="#ca6500">', 'FEMALE VOICE:', '</font>', '</b>', ' ',
 '<i>', 'The world is changed.', '</i>']

使用的正则表达式模式表示：

<.*?>       match an HTML tag
|           OR
.+?(?=<|$)  match all content until reaching either the nearest HTML tag or
            the end of the input

【讨论】：

非常感谢！！！完美的答案 - 简短且解释清楚。