如何用Python脚本替换HTML错误标签内的反斜杠为正斜杠？

可以用Python的正则表达式模块re实现需求，核心思路是精准匹配所有以<\开头的错误HTML标签，仅对标签内部的反斜杠做替换，文本内容里的反斜杠完全保留。

代码实现 #

import re

def fix_backslashes_in_bad_tags(html_content):
    def replace_backslashes(match):
        # 提取错误标签内的内容
        tag_inner = match.group(1)
        # 将标签内所有反斜杠替换为正斜杠
        corrected_inner = tag_inner.replace('\\', '/')
        return f'<{corrected_inner}>'
    
    # 正则匹配：捕获所有<\开头、>结尾的错误标签
    pattern = r'<\\(.*?)>'
    return re.sub(pattern, replace_backslashes, html_content)

使用示例 #

输入含错误标签的HTML #

<!DOCTYPE html>
<\html>
<\head>
    <title>Test Page</title>
    <link rel="stylesheet" href="css\style.css">
<\head>
<\body>
    <p>保留文本内的反斜杠：C:\Users\Test\File.txt</p>
    <\kbd>Press Ctrl\Shift\A</\kbd>
<\body>
<\html>

输出修正后的HTML #

<!DOCTYPE html>
</html>
</head>
    <title>Test Page</title>
    <link rel="stylesheet" href="css/style.css">
</head>
</body>
    <p>保留文本内的反斜杠：C:\Users\Test\File.txt</p>
    </kbd>Press Ctrl/Shift/A</kbd>
</body>
</html>

代码说明 #

• 正则匹配规则：r'<\\(.*?)>' 专门定位错误标签：
  • <\\ 匹配字面量<\（反斜杠在正则中需转义）
  • (.*?) 非贪婪捕获标签内的所有内容（从<\到>之间的部分）
  • > 匹配标签结束符
• 替换逻辑：回调函数replace_backslashes仅处理捕获到的标签内部内容，替换反斜杠后重新拼接成正确标签格式
• 文本保护：普通文本里的反斜杠不在正则匹配范围内，因此不会被修改

内容的提问来源于stack exchange，提问作者Toothpick Anemone