正则表达式匹配：排除特定标签内的空格-Python教程-PHP中文网

正则表达式匹配：排除特定标签内的空格

碧海醫心

发布： 2025-10-19 10:35:17

原创

568人浏览过

正则表达式匹配：排除特定标签内的空格

本文旨在提供一个使用正则表达式匹配字符串中所有空格，但排除特定 XML/HTML 标签（如 `` 和 ``）内部空格的解决方案。通过结合正则表达式的捕获组和 Python 的 `re.split` 函数，可以有效地实现这一目标，并最终将字符串按指定空格分割。

在处理文本数据时，经常需要根据空格分割字符串。但有时，我们希望忽略特定区域内的空格，例如 XML 或 HTML 标签内部的空格。使用正则表达式可以优雅地解决这个问题。

核心思路

核心思路是使用正则表达式的“或”操作符（|）和捕获组。我们将需要忽略的区域（例如 ...）作为第一个选项，并使用捕获组将其捕获。然后，将需要匹配的空格（即非标签内部的空格）作为第二个选项。最后，使用 re.split 函数分割字符串，并过滤掉不需要的结果。

正则表达式详解

正则表达式 (.*?)|[^\S\n]+ 的含义如下：

( .*? ): 这是一个捕获组，匹配标签及其内部的所有内容，直到标签。.*? 使用非贪婪模式匹配，确保只匹配到最近的标签。
|: “或”操作符，表示匹配左侧或右侧的模式。
[^\S\n]+: 匹配一个或多个非空白字符（除了换行符）。 \S 匹配任何非空白字符， \n 匹配换行符， [^\S\n] 则表示匹配任何不是非空白字符且不是换行符的字符，实际上就是匹配空格、制表符等空白字符，但不包括换行符。 + 表示匹配一个或多个。

Python 代码示例

BEES企业网站管理系统3.4

主要特性： 1、支持多种语言 BEES支持多种语言，后台添加自动生成，可为每种语言分配网站风格。 2、功能强大灵活 BEES除内置的文章、产品等模型外，还可以自定义生成其它模型，满足不同的需求 3、自定义表单系统 BEES可自定义表单系统，后台按需要生成，将生成的标签加到模板中便可使用。 4、模板制作方便采用MVC设计模式实现了程序与模板完全分离，分别适合美工和程序员使用。 5、用户体验好前台

查看详情

以下 Python 代码演示了如何使用上述正则表达式分割字符串：

import re

s = "aa11 b2 <name>CC-33 DD EE</name> FF"
pattern = r"(<name>.*?</name>)|[^\S\n]+"

result = [s for s in re.split(pattern, s) if s]
print(result)

登录后复制

这段代码的输出是：

['aa11', 'b2', '<name>CC-33 DD EE</name>', 'FF']

登录后复制

代码解释：

import re: 导入 Python 的 re 模块，用于处理正则表达式。
s = "aa11 b2 CC-33 DD EE FF": 定义一个包含 XML 标签的字符串。
*`pattern = r"(.?)|[^\S\n]+"**: 定义正则表达式模式。r""` 表示原始字符串，避免转义字符的问题。
re.split(pattern, s): 使用正则表达式模式分割字符串 s。re.split 函数会返回一个列表，其中包含分割后的子字符串。
[s for s in ... if s]: 这是一个列表推导式，用于过滤掉 re.split 返回的列表中的空字符串。因为捕获组的存在，re.split 有时会返回空字符串，我们需要将其移除。

注意事项

标签的嵌套： 上述正则表达式无法处理嵌套的标签。如果需要处理嵌套标签，需要使用更复杂的正则表达式或递归方法。
换行符： 上述正则表达式排除了换行符的匹配。如果需要匹配包含换行符的空格，可以从 [^\S\n]+ 中移除 \n。
性能： 对于非常大的字符串，正则表达式的性能可能会成为瓶颈。在这种情况下，可以考虑使用其他字符串处理方法。
标签的通用性： 可以通过修改正则表达式中的和来适应不同的标签名称。例如，要匹配 和 标签内的空格，可以将正则表达式修改为 (.*?)|[^\S\n]+。