python 2.7+中的无效组引用

Question

我正在尝试将我网页中的所有 WikiLink 类型的字符串（在 django 中创建）转换为 html 链接。

我正在使用以下表达式

import re
expr = r'\s+[A-Z][a-z]+[A-Z][a-z]+\s'
repl=r'<a href="/photos/\1">\1</a>'
mystr = 'this is a string to Test whether WikiLink will work ProPerly'

parser=re.compile(expr)
parser.sub(repl, mystr)

这将返回以下字符串，并将字符串替换为十六进制值。

"this is a string to Test whether<a href='/mywiki/\x01>\x01</a>'will work<a href='/mywiki/\x01>\x01</a>'"

查看python help 的re.sub，我尝试将\1 更改为\g，但这会导致无效的组引用错误。

请帮助我了解如何使其正常工作

Answer 1

这里的问题是您在expr 中没有任何捕获的组。

无论您想显示为\1 的比赛的哪一部分，都需要放在括号中。例如：

>>> expr = r'\s+([A-Z][a-z]+[A-Z][a-z]+)\s'
>>> parser=re.compile(expr)
>>> parser.sub(repl, mystr)
'this is a string to Test whether<a href="/photos/WikiLink">WikiLink</a>will work ProPerly'

反向引用\1 引用匹配中的组1，它是匹配第一个带括号的子表达式的部分。同样，\2 是第 2 组，即匹配第二个带括号的子表达式的部分，依此类推。如果您在少于 1 个组时使用 \1，一些正则表达式引擎会给您一个错误，其他会使用文字 '\1' 字符，一个 ctrl-A； Python 是后者，ctrl-A 的规范表示是'\x01'，所以这就是为什么你会这样看。

第 0 组是整场比赛。但在这种情况下，这不是您想要的，因为您不希望空格成为替换的一部分。

您需要g 语法的唯一原因是当一个简单的反向引用不明确时。例如，如果 sub 是 123\1456，则无法判断这是否意味着 123，后跟第 1 组，后跟 456，或 123，后跟第 1456 组，还是……

Further reading on grouping and backreferences.