如何通过python删除被大括号包围的块答案

【问题标题】：How to remove blocks surrounded by curly brackets via python如何通过python删除被大括号包围的块
【发布时间】：2010-12-29 17:49:15
【问题描述】：

示例文本：String -> rev 标记中的内容（通过 lxml）。

我正在尝试删除文本中的 {{BLOCKS}}。

我使用以下正则表达式来删除简单的单行块：

p = re.compile('\{\{*.*\}\}')
nonBracketedString = p.sub('', bracketedString)

但是，这不会删除内容开头的第一个多行括号部分。如何删除多行大括号块？

编辑：

答案的解决方案：

p = re.compile('\{\{*?.*?\}\}', re.DOTALL)
nonBracketedString = p.sub('', bracketedString)

【问题讨论】：

Hmm -> 刚刚发现点不匹配新行：regular-expressions.info/dot.html

标签： python regex api wikipedia

【解决方案1】：

设置 dotall 标志。

p = re.compile('\{\{*.*?\}\}', re.DOTALL)
nonBracketedString = p.sub('', bracketedString)

在默认模式下，. 匹配除换行符以外的任何字符。如果指定了 DOTALL 标志，则匹配任何字符，包括换行符。

http://docs.python.org/library/re.html

此外，您需要在括号之间进行非贪婪匹配：.*?

【讨论】：

与 sysrqb 的结果相同。剩下的就是 [[]] 块。

【解决方案2】：

设置 dotall 标志——这允许 .匹配换行符。

p = re.compile('\{\{*.*\}\}', re.DOTALL)
nonBracketedString = p.sub('', bracketedString)

【讨论】：

当应用于提供的字符串时 -> 它似乎删除了除了最后的 [[]] 块之外的所有东西，对我来说。

【解决方案3】：

>>> import urllib2
>>> import re
>>> s = "".join(urllib2.urlopen('http://en.wikipedia.org/w/api.php?action=query&prop=revisions&titles=Italian%20War%20of%201542-1546&redirects&rvprop=content&format=xml').readlines())
>>> p = re.compile('\{\{.*?\}\}', re.DOTALL)
>>> re.sub(p, '', s)
'<?xml version="1.0"?><api><query><redirects><r from="Italian War of 1542-1546" to="Italian War of 1542\xe2\x80\x931546" /></redirects><pages><page pageid="3719774" ns="0" title="Italian War of 1542\xe2\x80\x931546"><revisions><rev xml:space="preserve">\n\n\n\nThe \'\'\'Italian War of 1542\xe2\x80\x9346\'\'\' was a conflict late in the [[Italian Wars]], ...

我已经截断了这里的输出，但足以看出它正在工作。

【讨论】：