如何从混杂文本中提取所有<>包裹的内容并转换为列表？

使用正则表达式的re.findall方法是这类场景的最优解，完全可以规避手动分割的各种兼容问题。

具体实现代码 #

import re

# 测试用输入字符串
test_str = """Some text
<item1><item2><item3> some more text
some text <item4> some text
"""

# 正则匹配规则：捕获所有< >之间不为>的字符内容
pattern = r'<([^>]+)>'
result = re.findall(pattern, test_str)

print(result)
# 输出：['item1', 'item2', 'item3', 'item4']

规则说明 #

• 正则模式r'<([^>]+)>'中，[^>]+代表匹配1个及以上非>的字符，外层括号为捕获组，re.findall会直接返回所有捕获组的匹配结果，自动过滤掉外层的<>符号
• 该方案会自动忽略所有不在<>包裹范围内的无关文本，也不受<>之间的空格、换行等字符影响，兼容性远高于手动分割
• 如果需要兼容内容为空的<>，可将模式中的+替换为*，如果要进一步过滤空结果再加一层列表推导式即可：[i for i in re.findall(pattern, test_str) if i]

内容的提问来源于stack exchange，提问作者misosoup7