python 正则表达式转义字符答案

【问题标题】：python regex escape characterspython 正则表达式转义字符
【发布时间】：2010-12-22 11:26:00
【问题描述】：

我们有：

>>> str
'exit\r\ndrwxr-xr-x    2 root     root            0 Jan  1  2000 
\x1b[1;34mbin\x1b[0m\r\ndrwxr-xr-x    3 root     root           
0 Jan  1  2000 \x1b[1;34mlib\x1b[0m\r\ndrwxr-xr-x   10 root     
root            0 Jan  1  1970 \x1b[1;34mlocal\x1b[0m\r\ndrwxr-xr-x    
2 root     root            0 Jan  1  2000 \x1b[1;34msbin\x1b[0m\r\ndrwxr-xr-x    
5 root     root            0 Jan  1  2000 \x1b[1;34mshare\x1b[0m\r\n# exit\r\n'

>>> print str
exit
drwxr-xr-x    2 root     root            0 Jan  1  2000 bin
drwxr-xr-x    3 root     root            0 Jan  1  2000 lib
drwxr-xr-x   10 root     root            0 Jan  1  1970 local
drwxr-xr-x    2 root     root            0 Jan  1  2000 sbin
drwxr-xr-x    5 root     root            0 Jan  1  2000 share
# exit

我想使用正则表达式摆脱所有的 '\xblah[0m' 废话。我试过了

re.sub(str, r'(\x.*m)', '')

但这并没有成功。有什么想法吗？

【问题讨论】：

标签： python regex ansi-escape

【解决方案1】：

你有几个问题：

您以错误的顺序将参数传递给 re.sub。应该是：

re.sub(regexp_pattern, replacement, source_string)
字符串不包含“\x”。那个“\x1b”是转义字符，是单个字符。
正如 interjay 指出的那样，您想要“.*？”而不是“.*”，否则它将匹配从第一个转义到最后一个“m”的所有内容。

对 re.sub 的正确调用是：

print re.sub('\x1b.*?m', '', s)

或者，您可以使用：

print re.sub('\x1b[^m]*m', '', s)

【讨论】：

@edward-loper：非常感谢，很抱歉弄错了参数。
这是一个容易犯的错误；我花了一段时间才习惯 Python regexp 参数的排序方式。基本规则是第一个参数始终是正则表达式，最后一个参数是要操作的字符串。（除了标志或计数等可选参数，它们在最后，在要操作的字符串之后。）

【解决方案2】：

您需要进行以下更改：

转义反斜杠
切换到非贪婪匹配。否则，第一个 \x 和最后一个 m 之间的所有内容都将被删除，当出现多次时，这将是一个问题。
参数顺序不正确

结果：

re.sub(r'(\\x.*?m)', '', str)

【讨论】：

@interjay：抱歉，弄错了，谢谢。但是，这不起作用。它没有compaints，但所有的花言巧语都还在。
我没有注意到反斜杠实际上并不是反斜杠 - 请参阅 Edward 的回答，他的回答是正确的。

【解决方案3】：

这些是ANSI terminal codes。它们由 ESC（字节 27，在 Python 中视为\x1B）发出信号，然后是[，然后是一些; 分隔的参数，最后是一个字母来指定它是哪个命令。（m 是颜色变化。）

参数通常是数字，因此对于这种简单的情况，您可以通过以下方式摆脱它们：

ansisequence= re.compile(r'\x1B\[[^A-Za-z]*[A-Za-z]')
ansisequence.sub('', string)

从技术上讲，对于某些（与颜色无关的）控制代码，它们可能是通用字符串，这使得解析很烦人。你很少遇到这些，但如果你遇到了，我猜你必须使用一些复杂的东西，比如：

\x1B\[((\d+|"[^"]*")(;(\d+|"[^"]*"))*)?[A-Za-z]

最好的办法是说服生成字符串的任何人您不是 ANSI 终端，因此它不应在其输出中包含颜色代码。

【讨论】：

【解决方案4】：

尝试运行ls --color=never -l，一开始你就不会得到ANSI转义码。

【讨论】：

【解决方案5】：

这是针对您的问题的 pyparsing 解决方案，其中包含针对那些讨厌的转义序列的通用解析表达式。通过使用抑制表达式转换初始字符串，这将返回一个删除了表达式的所有匹配项的字符串。

s = \
'exit\r\ndrwxr-xr-x    2 root     root            0 Jan  1  2000 ' \
'\x1b[1;34mbin\x1b[0m\r\ndrwxr-xr-x    3 root     root           ' \
'0 Jan  1  2000 \x1b[1;34mlib\x1b[0m\r\ndrwxr-xr-x   10 root     ' \
'root            0 Jan  1  1970 \x1b[1;34mlocal\x1b[0m\r\ndrwxr-xr-x    ' \
'2 root     root            0 Jan  1  2000 \x1b[1;34msbin\x1b[0m\r\ndrwxr-xr-x    ' \
'5 root     root            0 Jan  1  2000 \x1b[1;34mshare\x1b[0m\r\n# exit\r\n' \

from pyparsing import (Literal, Word, nums, Combine, 
    delimitedList, oneOf, alphas, Suppress)

ESC = Literal('\x1b')
integer = Word(nums)
escapeSeq = Combine(ESC + '[' + delimitedList(integer,';') + oneOf(list(alphas)))

s_prime = Suppress(escapeSeq).transformString(s)

print s_prime

这将打印您想要的输出，存储在s_prime。

【讨论】：