您可以使用xml，它是为xml files设计的模块，与html同义。

import xml.etree.ElementTree as ET

text = '<code>stuff</code> and stuff and $\LaTeX$ and <pre class="mermaid">stuff</pre>'

root = ET.fromstring(f'<root>{text}</root>')

result = []

for element in root:
    if element.tag:
        result.append(f'<{element.tag}>')
    if element.text:
        result.extend(element.text.split())
    if element.tail:
        result.append(element.tail)

print(result)

RegEx不适合解析HTML。然而，它通常足以用于令牌化。使用re.finditer，令牌化变成了一行代码：

list(map(lambda x: x.group(0), re.finditer(r"(?:<(?:.*?>)?)|[^<]+", s)))

说明：

• 仅使用非捕获组(?:...);我们这里不需要具体的捕获。
• 匹配一个“标签”<(?:.*?>)?（可能是无效的（只是<符号），仅通过其开口<识别，直到>）或明文[^<]+。

这将处理您的测试用例

s = '<code>stuff</code> and stuff and $\LaTeX$ and <pre class="mermaid">stuff</pre>'

正确地，生产

['<code>', 'stuff', '</code>', ' and stuff and $\\LaTeX$ and ', '<pre class="mermaid">', 'stuff', '</pre>']

然而，请注意，一个成熟的HTML标记器需要一个更复杂的常规语法来处理，例如。onclick = "console.log(1 < 2)"等属性。最好使用现成的库来为您进行标记解析（甚至只是标记化）。

s = r'<code>stuff</code> and stuff and $\LaTeX$ and <pre class="mermaid">stuff</pre>'

l = []

for i in range(len(s)):
    if s[i] == ">":
        l[-1] += s[i]
        l.append("")
    elif s[i] == "<":
        l.append("")
        l[-1] += s[i]
    else:
        l[-1] += s[i]
        
l.pop()
print(l)

输出：['<code>', 'stuff', '</code>', ' and stuff and $\\LaTeX$ and ', '<pre class="mermaid">', 'stuff', '</pre>']