求Python正则表达式：提取文本中含RQ的XML标签内容

问题分析 #

你之前的正则表达式失效的核心原因：

• 开始标签与结束标签的名称未关联，可能匹配到不对应的闭合标签
• 标签名匹配逻辑不严谨，会误捕获标签内的属性内容

正确正则表达式方案 #

使用带反向引用的正则，确保首尾标签名称一致，同时准确匹配标签属性与内部内容：

import re

# 示例文本
text = """
<ServiceRQ>want everything between...</ServiceRQ>
<ServiceRQ xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">want everything between</ServiceRQ>
"""

# 正则模式
pattern = r"<([^\s>]+RQ)([^>]*)>(.*?)</\1>"

# 查找所有匹配项，re.DOTALL允许.匹配换行符
matches = re.findall(pattern, text, re.DOTALL)

# 输出结果
for idx, match in enumerate(matches, 1):
    full_tag = f"<{match[0]}{match[1]}>{match[2]}</{match[0]}>"
    print(f"{idx}. {full_tag}")

正则模式拆解 #

• <([^\s>]+RQ)：捕获以RQ结尾的标签名称，[^\s>]+确保只匹配标签名（排除空格和>，避免误取属性）
• ([^>]*)：匹配标签内的所有属性内容（比如xmlns:xsi="..."）
• (.*?)：非贪婪匹配标签中间的文本内容
• </\1>：通过反向引用\1，确保结束标签和开始标签的名称完全一致

输出结果 #

运行代码后将得到你期望的结果：

1. <ServiceRQ>want everything between...</ServiceRQ>
2. <ServiceRQ xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">want everything between</ServiceRQ>

注意：如果XML存在标签嵌套场景，正则无法可靠处理，建议使用专业XML解析库（如xml.etree.ElementTree）。

内容的提问来源于stack exchange，提问作者Akash