Markdown 链接到 HTML 链接的正则表达式子中的转义字符

Question

我正在尝试转换以下内容的降价：

[Board Management](Boards/boardManagement.md)

使用 Python 处理类似的事情：

<a href='#' onclick='requestPage("Boards/boardManagement.md");'>Board Management</a>

我找到了如下 re.sub 的代码，但我可以让它工作的唯一方法是不在 requestPage 周围包含任何类型的引号，并且浏览器似乎会自动将它们放入...

 filteredPage = re.sub('\[(.+)\]\((.+)\)', r"<a href='#' onclick=requestPage('\2');>\1</a>", pageContent)

其中 pageContent 是降价。虽然它似乎有效，但似乎最好不要依赖浏览器进行自动插入，但每次我尝试用引号重写它时，它都不会产生正确的结果。例如，

filteredPage = re.sub('\[(.+)\]\((.+)\)', r"<a href='#' onclick=\"requestPage('\2');\">\1</a>", pageContent)

结果

<a href="#" onclick=\"requestPage('Boards/boardManagement.md');\">Board Management</a>

除了依赖浏览器之外，有没有办法在 onclick 函数周围加上引号来完成所需的链接？

Answer 1

总结

您遇到的问题是，当您在原始字符串文字 (r"...") 中转义引号时，不会从字符串中删除反斜杠。要了解我的意思，请查看此代码输出的内容：

print( "abc \" def")  # abc " def    (the backslash is gone)
print(r"abc \" def")  # abc \" def   (the backslash is in the string)

在大多数情况下，解决方案是使用三引号字符串：

print( """abc \" def""") # abc " def   (this is the same as the first one)
print(r"""abc " def""" ) # abc " def   (this is how to get quotes in a raw string)

所以你的代码变成了这样：

re.sub(r'\[(.+)\]\((.+)\)',
       r"""<a href='#' onclick="requestPage('\2');">\1</a>""",
       pageContent)

另一种选择是使用' 作为您的字符串，并将href 属性放入"：您可以使用r'<a href="#" onclick="request...">' 之类的东西。

说明

理解原始字符串文字如何工作的关键可能是：如果您在原始字符串文字中使用反斜杠，它将包含在字符串中。

原始字符串文字只是 大部分 原始的。一个例外是引用。这使您可以在字符串中包含引号。但与常规字符串不同的是，如果您在原始字符串文字中转义引号，则反斜杠仍将在字符串中。

这是在the section on string literals的最后一段指定的：

即使在原始文字中，引号也可以用反斜杠转义，但反斜杠仍保留在结果中；例如，r"\"" 是由两个字符组成的有效字符串文字：反斜杠和双引号

您的问题的解决方案是使用三引号原始字符串文字而不是转义引号，如上所示。

在更极端的情况下，您可以使用string literal concatenation 来帮助转义字符串，但这可能不是一个好的用例。我只会在 (a) 字符串需要同时包含 """ 和 ''' 时使用它，或者 (b) 我已经出于其他原因使用字符串文字连接（例如将长字符串拆分为多行）。

---

最后一件事：您应该为您的正则表达式使用原始字符串文字。对于您在这里的正则表达式来说，这不是必需的，但它使编写（和读取）正则表达式变得更加容易，因为每个反斜杠始终在字符串中，因此您可以准确地阅读正则表达式引擎将读取。

更重要的是，无法识别的转义序列（包括\( 和\[）将被逐步淘汰，最终会引发SyntaxError，因此如果您希望您的代码继续在尽可能多的未来版本的Python 中工作可能，将您的正则表达式放在原始文字中。