正则表达式匹配单词之间，如果没有结束单词

Question

我想在以下字符串中匹配特定部分（粗体）：

• \ doc doc1，doc2
• \ doc doc1，doc2 \ in filed1，field2
• \ DOC doc1，doc2 \ in filed1，field2 \ doc doc3，doc4 \ in field3，field4

我出来了这个正则表达式/\\doc(.*?)\\in/g https://regex101.com/r/dV7mF4/1

但它与第一​​个字符串 doc1，doc2 不匹配。我需要添加到我的正则表达式以匹配上面的所有这些字符串？

Answer 1

您可以在正向前瞻中使用替换来设置上下文：

\\doc(.*?)(?=$|\\in)
          ^^^^^^^^^^

请参阅regex demo

(?=$|\\in)将允许.*?匹配字符串的结尾（$分支）或第一个\in（第二个分支）。< / p>

作为替代方案，您可以在\in之后指定除\doc之外的任何内容：

\\doc([^\\]*(?:\\(?!in)[^\\]*)*)

请参阅this regex demo

此处[^\\]*(?:\\(?!in)[^\\]*)*匹配除\以外的零个或多个字符，然后0 {+ 1}}的序列未跟\后跟{0}以外的字符{ {1}}。基本上，任何不是in的文本。

Answer 2

将您的正则表达式更改为：import lxml.etree as et x = et.parse("test.xml", parser=et.HTMLParser(remove_comments=True)) print(et.tostring(x))

Demo and Explaination