python .replace() 正则表达式 [重复]答案

【问题标题】：python .replace() regex [duplicate]python .replace() 正则表达式 [重复]
【发布时间】：2012-07-13 14:57:01
【问题描述】：

我正在尝试抓取'</html>' 标记之后的所有内容并将其删除，但我的代码似乎没有做任何事情。 .replace() 不支持正则表达式吗？

z.write(article.replace('</html>.+', '</html>'))

【问题讨论】：

警告：使用正则表达式解析 HTML leads to madness.
我在关闭 html 标记后有一堆垃圾，我只想删除它。
但是，如果您的 HTML 中有一个带引号的字符串、注释、JavaScript 或 CDATA，其中包含 </html>，该怎么办？或者如果最后的垃圾本身有</html> 怎么办？除非你能保证这些都不会发生，否则你要么需要完全解析 HTML，要么有其他方法知道你有多少数据（例如 Content-Length: HTTP 标头）。
这些都不是因素。

标签： python regex

【解决方案1】：

没有。 Python 中的正则表达式由re 模块处理。

article = re.sub(r'(?is)</html>.+', '</html>', article)

一般：

text_after = re.sub(regex_search_term, regex_replacement, text_before)

【讨论】：

如何将 re 模型应用于我的“文章”变量？
我尝试了以下方法无济于事z.write(re.sub(r'</html>.+', r'</html>', article))
标签不是小写的，还是后面跟着'\n'？您可以使其不区分大小写（(?i) 标志）并使. 与r'(?is)</html>.+' 匹配换行符（(?s) 标志）。
更多信息对初学者来说会很好
使用标志会更具可读性，即添加标志=re.DOTALL | re.IGNORECASE 作为最后一个参数是模式中的 (?is)。

【解决方案2】：

您可以将re 模块用于正则表达式，但是对于您想要的，正则表达式可能有点矫枉过正。我可能会尝试类似的东西

z.write(article[:article.index("</html>") + 7]

这更简洁，并且应该比基于正则表达式的解决方案快得多。

【讨论】：

不太干净；你必须硬编码“

【解决方案3】：

要使用正则表达式替换文本，请使用re.sub 函数：

sub(pattern, repl, string[, count, flags])

它将用string 传递的文本替换pattern 的非重复实例。例如，如果您需要分析匹配以提取有关特定组捕获的信息，则可以将函数传递给 string 参数。 more info here.

示例

>>> import re
>>> re.sub(r'a', 'b', 'banana')
'bbnbnb'

>>> re.sub(r'/\d+', '/{id}', '/andre/23/abobora/43435')
'/andre/{id}/abobora/{id}'

【讨论】：

【解决方案4】：

对于这种特殊情况，如果使用re 模块是多余的，那么使用split（或rsplit）方法怎么样

se='</html>'
z.write(article.split(se)[0]+se)

例如，

#!/usr/bin/python

article='''<html>Larala
Ponta Monta 
</html>Kurimon
Waff Moff
'''
z=open('out.txt','w')

se='</html>'
z.write(article.split(se)[0]+se)

将out.txt 输出为

<html>Larala
Ponta Monta 
</html>

【讨论】：