Python 3中移除两个指定字符串间嵌套内容的实现问题

正则里的.*是贪婪匹配，会直接从第一个<pre><code>匹配到最后一个</code></pre>，自然把整个字符串清空。要处理嵌套场景，得用递归匹配或者手动计数的方式，不能靠简单的贪婪/非贪婪匹配。

方案一：Python正则递归匹配 #

Python的re模块支持递归引用，用(?R)就能实现嵌套标签的匹配。具体代码如下：

import re

def remove_nested_tags(text, start_tag, end_tag):
    # 转义标签里的特殊字符，避免正则语法冲突
    escaped_start = re.escape(start_tag)
    escaped_end = re.escape(end_tag)
    # 递归正则：匹配起始标签 + (非标签内容|递归匹配嵌套) + 结束标签
    pattern = rf'{escaped_start}(?:(?!{escaped_start}|{escaped_end}).|(?R))*{escaped_end}'
    # 循环替换直到没有嵌套标签残留
    while re.search(pattern, text):
        text = re.sub(pattern, '', text)
    return text

# 测试示例
string = "<pre><code> Should be deleted <pre><code> also deleted </code></pre> delete this too </code></pre> don't delete <pre><code> delete </code></pre> "
result = remove_nested_tags(string, '<pre><code>', '</code></pre>')
print(repr(result))  # 输出: " don't delete "

方案二：手动遍历计数（更易调试） #

如果觉得递归正则太绕，直接手动遍历字符串，用计数器跟踪嵌套层级也能解决：

def remove_nested_tags_manual(text, start_tag, end_tag):
    start_len = len(start_tag)
    end_len = len(end_tag)
    result = []
    i = 0
    nested_level = 0
    while i < len(text):
        # 碰到起始标签，层级加1，跳过标签内容
        if text.startswith(start_tag, i):
            nested_level += 1
            i += start_len
        # 碰到结束标签，层级减1，跳过标签内容
        elif text.startswith(end_tag, i):
            nested_level -= 1
            i += end_len
        # 层级为0时，保留当前字符
        elif nested_level == 0:
            result.append(text[i])
            i += 1
        # 层级大于0时，跳过当前字符
        else:
            i += 1
    return ''.join(result)

# 测试示例
string = "<pre><code> Should be deleted <pre><code> also deleted </code></pre> delete this too </code></pre> don't delete <pre><code> delete </code></pre> "
result = remove_nested_tags_manual(string, '<pre><code>', '</code></pre>')
print(repr(result))  # 输出: " don't delete "

注意事项 #

• 正则方案里的re.escape()必须加，不然标签里的<、>这些特殊字符会被当成正则语法解析，导致匹配失败。
• 手动遍历的方案更适合调试，后续要扩展处理不闭合标签这类情况也更方便。

内容的提问来源于stack exchange，提问作者Namrata Banerji