python爬虫正则匹配如何处理嵌套

在Python中，处理嵌套的正则表达式可以使用递归模式。这里有一个例子，展示了如何使用re库匹配嵌套结构，例如HTML标签中的嵌套。

import re

def match_nested(pattern, text):
    stack = []
    result = []
    current_match = None

    for i, char in enumerate(text):
        if char == '<':
            if stack:
                current_match = re.search(pattern, text[i:])
                if current_match:
                    result.append(current_match.group())
                    stack.pop()
                    continue
        elif char == '>':
            stack.pop()

        if not stack and current_match:
            result.append(current_match.group())
            current_match = None

    return result

# 示例
html = '''

    
这是一个段落。
    

        
列表项1
        
列表项2
    

'''

pattern = r'<[^>]+>'
matches = match_nested(pattern, html)
print(matches)

这个例子中，match_nested函数使用一个栈来处理嵌套的正则表达式。当遇到<时，它会将当前的索引和字符压入栈中，然后尝试在当前索引处匹配正则表达式。如果匹配成功，它将结果添加到结果列表中，并从栈中弹出一个元素。当遇到>时，它将从栈中弹出一个元素。如果在遍历完文本后栈为空且当前匹配有效，它会将结果添加到结果列表中。

请注意，这个例子仅适用于简单的HTML嵌套结构。对于更复杂的嵌套结构，建议使用HTML解析库（如BeautifulSoup）来处理。