怎样跳过HTML属性中的文本匹配？

可以使用正则表达式来匹配HTML属性，并从中排除文本。

例如，假设我们有以下HTML标记：

<a href="https://example.com">Click here</a>

我们想匹配<a href="https://example.com">，并从中排除"https://example.com"。

可以使用以下代码来实现：

import re

html = '<a href="https://example.com">Click here</a>'
pattern = r'<\w+\s+(?!href=")(\w+=("[^"]*"|\'[^\']*\'|\S*))\s*/?>'

matches = re.findall(pattern, html)
print(matches)

输出将会是：

['href="https://example.com"']

正则表达式<\w+\s+(?!href=")(\w+=("[^"]*"|\'[^\']*\'|\S*))\s*/?>：

• <\w+\s+：匹配开始的HTML标记
• (?!href=")：排除href属性
• (\w+=("[^"]*"|\'[^\']*\'|\S*))：匹配任何属性，包括引号包括的文本
• \s*/?>：匹配标记结尾

这里使用反向预测，即(?!href=")来排除匹配属性值中的文本。如果没有排除，它将匹配整个属性和属性值，包括引号包括的文本。