Python正则表达式求助：修复未闭合的XML img标签

嘿，我来帮你搞定这个正则问题！你现在的需求是精准匹配那些没有以/>结尾的img标签，然后把它们改成闭合形式对吧？

首先，你之前用的'(img.*?)>'会匹配所有img标签，不管有没有闭合，所以我们需要加个限制条件——排除掉那些>前面已经有/的标签。

正确的正则模式和替换方法 #

我们可以用负向回顾后发断言来实现这个需求，具体的正则表达式和替换逻辑如下：

import re

# 示例文本（包含未闭合和已闭合的img标签）
source_text = '<a href="a_url" class="url" target="_blank"> <img ng-src=" {{getImageUrl(\'homeHelp64.jpg\')}}", alt="?" width="16" height="16"> Home </a> <img src="valid.jpg"/>'

# 匹配未闭合img标签的正则
pattern = r'(<img[^>]*?)(?<!/)>'
# 替换：在>前添加/
fixed_text = re.sub(pattern, r'\1/>', source_text)

print(fixed_text)

正则模式详解 #

• (<img[^>]*?)：这是一个捕获组，负责匹配<img开头，一直到结尾>之前的所有内容。[^>]*?`是非贪婪匹配的任意非>字符，确保不会错误匹配到其他标签的>。
• (?<!/)：这是负向回顾后发断言，用来检查当前位置（也就是即将匹配>的前一个字符）不是/，这样就完美排除了已经是<img .../>`的闭合标签。
• >：匹配未闭合标签的结尾符号。

替换逻辑 #

替换字符串r'\1/>'里的\1会引用我们刚才捕获到的<img到>之前的内容，然后我们在后面加上/>，就把原来的<img ...>改成了<img .../>`。

这样处理后，只有未闭合的img标签会被修改，已经正确闭合的标签会完全保留，不会被误改。

内容的提问来源于stack exchange，提问作者user1749707