Python正则提取子串前后内容：分组匹配异常问题求助

安全阿岳

2026-8-23

正则匹配问题解决方案

你的正则无法得到预期结果，核心原因是第一个捕获组的.*?会跨<li>标签匹配，把中间不含URL的<li>Two</li>也包含进去，导致分组错误。

修正后的代码

import re
txt = '&lt;li&gt;one. URL : &lt;a href=&quot;http://local.ru&quot;&gt;http://local.ru&lt;/a&gt; (10.02.2022).&lt;/li&gt;&lt;li&gt;Two&lt;/li&gt;&lt;li&gt;Three. URL : &lt;a href=&quot;https://local.ru&quot;&gt;https://local.ru&lt;/a&gt; (15.11.2021).&lt;/li&gt;'
result = re.findall(r'(&lt;li&gt;(?:(?!&lt;/li&gt;).)*?)\s?URL\s?:\s?(&lt;a.*?&gt;).*?(&lt;/a&gt;.*?&lt;/li&gt;)', txt)
print(result)

关键修改说明

把第一个捕获组的.*?替换为(?:(?!</li>).)*?：

(?:...)是非捕获分组，用于包裹断言逻辑
(?!</li>)是负向前瞻，确保当前位置后面不是</li>
整个片段的作用是：匹配<li>开头的内容，只匹配到当前<li>内部、URL标识之前的部分，不会跨越到其他<li>标签

运行后将得到你期望的输出：

[('&lt;li&gt;one.', '&lt;a href=&quot;http://local.ru&quot;&gt;', '&lt;/a&gt; (10.02.2022).&lt;/li&gt;'),
 ('&lt;li&gt;Three.', '&lt;a href=&quot;https://local.ru&quot;&gt;', '&lt;/a&gt; (15.11.2021).&lt;/li&gt;')]

内容的提问来源于stack exchange，提问作者Vadim Nva

相关产品推荐

方舟 Agent Plan

超全模态模型 × Harness 升级，最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分)，限时 9.9 元起

产品介绍相关文档

火山引擎最新活动