Python正则表达式问题：提取<li></li>标签外的字符串

原正则的问题 #

你之前使用的^(?!<li>.*$).*(?<!</li>)是基于整行匹配的规则，仅能识别完全不包含<li>开头或</li>结尾的整行内容。一旦<li>标签前后附带表情、文本等额外内容（比如😀<li>列表项</li>😃），整行不符合规则，导致这些非<li>包裹的内容也会被遗漏。

修正方案（推荐用替换思路） #

更高效的方式是替换掉所有完整的<li>...</li>块，剩余内容就是你需要的非包裹文本：

• 正则表达式：<li>.*?</li>
• 关键说明：
  • .*?使用非贪婪匹配，避免误匹配多个<li>标签（比如同时匹配<li>项1</li><li>项2</li>整个内容）
  • 若处理多行文本，需开启跨行匹配模式：
    • Python：添加re.DOTALL修饰符
    • JavaScript：添加s修饰符
    • 其他语言：开启对应的多行/单行匹配选项

示例演示 #

输入文本：

这是普通文本
<div>div内的内容</div>
😀<li>列表项1</li>😃
<li>列表项2</li>
这是li外的另一行文本

执行替换后输出：

这是普通文本
<div>div内的内容</div>
😀😃

这是li外的另一行文本

若需直接提取（非替换） #

如果一定要用提取逻辑，可使用正向/反向否定预查匹配所有不在<li>和</li>之间的内容，但这种方式对复杂HTML兼容性较差，仅推荐用于简单场景：

(?<!<li>.*).*?(?!.*</li>)

内容的提问来源于stack exchange，提问作者Jerykso