匹配结束HTML标记的正则表达式

1. 阅读:

   • RegEx match open tags except XHTML self-contained tags
   • Can you provide some examples of why it is hard to parse XML and HTML with a regex?

2. 忏悔吧。

3. 使用真正的HTML解析器,比如 BeautifulSoup

<TAG\b[^>]*>(.*?)</TAG> 

匹配特定HTML标记的开头和结尾对。

<([A-Z][A-Z0-9]*)\b[^>]*>(.*?)</\1>

将匹配任何HTML标记的开头和结尾对。

看到了吗 here .

Don't use regex to parse HTML . 它只会让你头痛。

改用XML解析器。尝试 BeautifulSoup lxml .

您还可以考虑使用内置在python中的html解析器(用于 Python 2 和 Python 3 )

这将帮助您了解您想要处理的HTML文档的特定区域,并在其上使用正则表达式。