正则分割<???>并排除<%???>时匹配结果丢失尖括号如何解决

问题原因 #

Python re.split() 规则：当正则表达式包含捕获分组时，分组匹配到的内容会作为独立元素插入返回的结果列表。你当前的正则 r'<((?!%).+?)>' 仅将尖括号内部的内容放在了捕获分组中，外层的 <、> 不在分组范围内，所以返回结果里只会保留内部文本，丢失尖括号。

解决方法 #

调整捕获分组的范围，把整个标签（包括尖括号）都包进捕获分组即可，修改后的正则如下：

re.split(r'(<(?!%).+?>)', source_text)

执行结果示例 #

用上述正则处理你的样例文本，返回结果为：

['「<%sM_item2><%sM_plusnum2>の|\u3000<%sM_slot>の部分を|\u3000<%sM_change_color>に\u3000カラーリングするのですね？|', '<br>', '|「それでは\u3000<%sM_item>が\u3000１０本と|\u3000<%nM_gold>ゴールドが必要ですが\u3000よろしいですか？|', '<yesno>', '', '<close>', '']

如果不需要将匹配到的标签插入结果列表，仅做分割丢弃标签，把捕获组改成非捕获组即可，正则为 r'<(?!%).+?>'。

内容的提问来源于stack exchange，提问作者jmct