正则表达式：如何从字符串末尾匹配指定<p>标签段

遇到这种正向匹配优先捕获靠前内容的问题，反向查找确实是最直接的思路！下面分两种场景（解码前后的字符串）给你具体实现方法：

场景1：先解码HTML实体（推荐，更直观） #

你的原始字符串是经过HTML转义的，先把它解码成正常的HTML结构会更容易处理：

import html

# 原始转义字符串
original_str = "TEXT <p>TEST1</p><br><div> <p>TEST2</p></div>"
# 解码HTML实体
decoded_str = html.unescape(original_str)

解码后得到：TEXT&nbsp;<p>TEST1</p><br><div>&nbsp;<p>TEST2</p></div>

接下来用**反向查找（rfind）**精准定位：

1. 先找到结尾的</p></div>的位置
2. 从该位置往前找最近的<p>标签
3. 验证这段内容包含TEST2后提取

代码实现：

end_tag = "</p></div>"
end_pos = decoded_str.rfind(end_tag)

if end_pos != -1:
    # 从结尾标签往前找第一个<p>的起始位置
    start_pos = decoded_str.rfind("<p>", 0, end_pos)
    if start_pos != -1 and "TEST2" in decoded_str[start_pos:end_pos + len(end_tag)]:
        target_content = decoded_str[start_pos:end_pos + len(end_tag)]
        print(target_content)  # 输出：<p>TEST2</p></div>

场景2：直接处理转义后的原始字符串 #

如果不想解码，也可以针对转义后的标签字符写正则，用贪婪匹配+捕获组直接提取最后一段符合条件的内容：

正则表达式（匹配转义后的<p>TEST2</p></div>）：

.*(<p>TEST2</p></div>)

解释：

• .* 贪婪匹配所有前面的内容（确保我们拿到最后出现的目标片段）
• 捕获组(<p>TEST2</p></div>)就是我们要的完整标签内容

Python代码实现：

import re

original_str = "TEXT <p>TEST1</p><br><div> <p>TEST2</p></div>"
pattern = r".*(<p>TEST2</p></div>)"
match = re.search(pattern, original_str)

if match:
    print(match.group(1))  # 输出：<p>TEST2</p></div>

核心思路总结 #

• 反向查找（rfind）：从目标结尾标签出发，向前扫描找到最近的起始标签，避免正向匹配的优先捕获问题
• 贪婪正则：通过.*吃掉所有前面的内容，只保留最后一个符合条件的目标片段，精准捕获你要的TEST2对应的标签组

内容的提问来源于stack exchange，提问作者Yu Mad