如何修改Python正则表达式去除酒店名称中的&

问题背景 #

目前用Python正则从HTML中提取40个酒店名称，原正则能成功提取，但部分名称包含HTML转义后的&字符串。尝试修改正则时返回空列表，需要调整正则实现去除该字符串的需求，且不能使用BeautifulSoup等解析库。

原提取代码：

import re

pattern_names = re.compile(r'\t(?P<Hotel_name>[a-zA-Z0-9][a-z0-9]*.+)\n</a>\n')
name_list = pattern_names.findall(data)
print("No of hotels=", len(name_list))
name_list

提取结果示例（含转义字符）：

"Rocco's Cafe",
'Local Kitchen & Wine Merchant',
'Ristorante Umbria',
'flour + water',
'Firewood At Metreon',
'Palomino',
'Buono',
'Farina Focaccia & Cucina Italiana',

你之前尝试的正则r'\t(?P<Hotel_name>[a-zA-Z0-9][a-z0-9]*.+^[&amp;amp;])\n</a>\n'无效的原因：^[&]写法错误，^在字符集内是取反，但放在.+之后，.+已经贪婪匹配到换行符，后续的^要求行首匹配指定字符，逻辑矛盾，因此无匹配结果。

两种可行解决方案 #

方案1：提取后批量替换（简单高效）

保留原提取正则，对结果中的&进行替换，无需修改匹配逻辑：

import re

pattern_names = re.compile(r'\t(?P<Hotel_name>[a-zA-Z0-9][a-z0-9]*.+)\n</a>\n')
name_list = pattern_names.findall(data)
# 替换掉所有& amp; amp;（去掉空格，此处为转义写法）
cleaned_names = [re.sub(r'&amp;amp;', '', name) for name in name_list]
# 若要将转义字符还原为&，则替换为'&'：re.sub(r'&amp;amp;', '&', name)

print("No of hotels=", len(cleaned_names))
print(cleaned_names)

方案2：修改正则直接匹配不含&的内容

使用负向预查，确保匹配的名称内容中不包含&，从根源避免提取该字符串：

import re

# 使用(?:(?!&).)*代替原有的.+，匹配任意字符但遇到& amp; amp;就停止
pattern_names = re.compile(r'\t(?P<Hotel_name>[a-zA-Z0-9][a-z0-9]*(?:(?!&amp;amp;).)*)\n</a>\n')
name_list = pattern_names.findall(data)

print("No of hotels=", len(name_list))
print(name_list)

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