如何编写正则表达式提取<SHORT-NAME>标签内的数据？

问题描述 #

现有数据：data="<SHORT-NAME>WhlDist_Prtctd_PDU_PA_CAN_1_controller</SHORT-NAME>"
尝试使用正则语句：print(re.search('<SHORT-NAME>("^WhlDist\\w.*controller$")<\\/\\1>', data))，输出结果为None，期望提取内容为：WhlDist_Prtctd_PDU_PA_CAN_1_controller

原正则的问题 #

• 错误使用反向引用\1：\1会引用捕获组内的内容，但闭合标签是固定的</SHORT-NAME>，不是捕获的目标字符串，导致匹配失败。
• 多余的引号和锚点：^和$是匹配字符串首尾的锚点，但目标内容被标签包裹，并非整个字符串的首尾；额外的引号也不属于原数据结构。

正确写法 #

方法1：提取标签间任意内容 #

适用于只需要提取<SHORT-NAME>和</SHORT-NAME>之间所有内容的场景：

import re
data = "<SHORT-NAME>WhlDist_Prtctd_PDU_PA_CAN_1_controller</SHORT-NAME>"
match_result = re.search(r'<SHORT-NAME>(.*?)<\/SHORT-NAME>', data)
if match_result:
    print(match_result.group(1))  # 输出目标内容

• 注：.*?是非贪婪匹配，避免在存在多个<SHORT-NAME>标签时，匹配到超出预期的内容。

方法2：精准匹配特定格式内容 #

如果需要确保提取的内容以WhlDist开头、controller结尾，可以用：

import re
data = "<SHORT-NAME>WhlDist_Prtctd_PDU_PA_CAN_1_controller</SHORT-NAME>"
match_result = re.search(r'<SHORT-NAME>(WhlDist\w.*?controller)<\/SHORT-NAME>', data)
if match_result:
    print(match_result.group(1))

• 注：\w匹配字母、数字或下划线，.*?非贪婪匹配中间内容，保证只提取符合格式的目标字符串。

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