如何在Python中用正则表达式从webelement提取字符串并存入列表

原代码问题说明 #

• 正则匹配逻辑倒置：你需要先匹配Accountant开头的行提取姓名，再匹配下一行的职位，原正则要求行首为vice-president，和实际文本结构完全不匹配
• 字符匹配规则错误：实际文本中职位是Vice President（空格分隔、首字母大写），你写的是vice-president（连字符、全小写），不存在匹配可能
• 没有处理文本的换行分组逻辑：原始文本按【姓名行+职位行】成对排列，你没有做对应分组处理

可直接运行的实现代码 #

方案1：逐行分组处理（可读性更高） #

import re

# raw_text替换为你的webelement.text
raw_text = """Accountant Johnathan Christensen <br>
President<br>
Accountant Annete Benning<br>
Vice President
"""

result = []
# 先清洗<br>标签，拆分有效行
valid_lines = [line.replace("<br>", "").strip() for line in raw_text.splitlines() if line.strip()]

# 按两行一组遍历提取内容
for idx in range(0, len(valid_lines), 2):
    # 提取姓名：Accountant后面的所有内容
    name = re.search(r"Accountant\s+(.+)", valid_lines[idx]).group(1)
    # 处理职位：替换空格为连字符，匹配要求的输出格式
    position = valid_lines[idx+1].replace(" ", "-")
    result.append([name, position])

print(result)

运行输出：

[['Johnathan Christensen', 'President'], ['Annete Benning', 'Vice-President']]

方案2：单条正则一次性匹配 #

import re

raw_text = """Accountant Johnathan Christensen <br>
President<br>
Accountant Annete Benning<br>
Vice President
"""

# 直接匹配成对的姓名+职位
matches = re.findall(r"Accountant\s+(.+?)\s*<br>\s*(.+?)\s*(?:<br>|$)", raw_text)
result = [[name, pos.replace(" ", "-")] for name, pos in matches]
print(result)

内容的提问来源于stack exchange，提问作者Eduardo Rosa Kras Borges