【问题标题】:Python regex replace substrings inside stringsPython 正则表达式替换字符串中的子字符串
【发布时间】:2021-06-06 16:29:08
【问题描述】:

我有一个这样的字符串:

import re

text = """
Some stuff to keep <b>here</b>

CODE
<b>Replace gt and lt</b>
<i>inside <script>this</script> code</i>
CODE

Some more stuff to keep <b>here</b>
"""

预期的输出是:

Some stuff to keep <b>here</b>

CODE
_LT_b_GT_Replace gt and lt_LT_/b_GT_
_LT_i_GT_inside _LT_script_GT_this_LT_/script_GT_ code_LT_/i_GT_
CODE

Some more stuff to keep <b>here</b>

这是我尝试过的一小部分:

# None of these work, and typically only replace the first or last occurence of <
re.sub(r'(?<=CODE)<(?=CODE)', r'_LT_', text, flags=re.DOTALL)
re.sub(r'(?<=CODE)(.*?)<(.*?)(?=CODE)', r'\1_LT_\2', text, flags=re.DOTALL)
re.sub(r'(?<=CODE)(.*?)[<]*(.*?)(?=CODE)', r'\1_LT_\2', text, flags=re.DOTALL|re.MULTILINE)
re.sub(r'(CODE.*?)<(.*?CODE)', r'\1_LT_\2', text, flags=re.DOTALL)
re.sub(r'(CODE.*)<(.*CODE)', r'\1_LT_\2', text, flags=re.DOTALL)

我希望发生的事情:CODE 和 CODE 之间出现的所有 &lt; 都将替换为 _LT_。

在 stackoverflow 和 regex101.com 上度过了一天之后,我开始认为这是不可能的,或者我不够聪明来处理这个问题。

非常感谢任何帮助!

提前致谢。

【问题讨论】:

  • 您希望答案是什么?
  • 最好答案会提供一个可以产生预期输出的正则表达式?
  • 一个函数或正则表达式不是由一个输入值(您的字符串)和一个输出值(预期输出)来描述的。请提供您想要的更一般的描述。
  • @RenéPijl 你是说这个问题不清楚吗?我会更新的。
  • @RenéPijl 更新了包含我所追求的内容:在 CODE 和 CODE 之间出现的所有 &lt; 都将替换为 _LT_。

标签: python regex


【解决方案1】:

这是我的答案:

text = """
Some stuff to keep <b>here</b>

CODE
<b>Replace gt and lt</b>
<i>inside <script>this</script> code</i>
CODE

Some more stuff to keep <b>here</b>
"""

output = ''
for i in range(len(text.split('CODE'))):
    if i % 2:
        output += text.split('CODE')[i].replace('>', '_GT_').replace('<', '_LT_')
    else:
        output += text.split('CODE')[i]


print(output)

使用此解决方案,每个代码块都被格式化并添加到output。这不包括regex,但这有效。

【讨论】:

  • 这是一个很好的解决方案,非常感谢!我希望有一个正则表达式版本,但看起来不可能。
【解决方案2】:

使用正则表达式:

import re
text = "\nSome stuff to keep <b>here</b>\n\nCODE\n<b>Replace gt and lt</b>\n<i>inside <script>this</script> code</i>\nCODE\n\nSome more stuff to keep <b>here</b>\n"
pattern = r"(?s)CODE.*?CODE"
print(re.sub(pattern, lambda x: x.group().replace('<','_LT_').replace('>','_GT_'), text))

见Python proof。

结果:

Some stuff to keep <b>here</b>

CODE
_LT_b_GT_Replace gt and lt_LT_/b_GT_
_LT_i_GT_inside _LT_script_GT_this_LT_/script_GT_ code_LT_/i_GT_
CODE

Some more stuff to keep <b>here</b>

见regex proof。

解释

--------------------------------------------------------------------------------
  (?s)                     set flags for this block (with . matching
                           \n) (case-sensitive) (with ^ and $
                           matching normally) (matching whitespace
                           and # normally)
--------------------------------------------------------------------------------
  CODE                     'CODE'
--------------------------------------------------------------------------------
  .*?                      any character (0 or more times (matching
                           the least amount possible))
--------------------------------------------------------------------------------
  CODE                     'CODE'

【讨论】:

    【解决方案3】:

    我将在几分钟内使用唯一的正则表达式解决方案更新此答案,但与此同时... 不是先拆分再加入字符串吗?

    re.sub(regex, value, text.split("CODE\n")[1], flags)
    

    编辑!我找到了答案,但它有点hacky 你可以阅读这篇文章的完整描述:https://stackoverflow.com/a/11096811/8665327

    基本上,您要查找的行是这样的:

    text = re.sub('\nCODE\n[^(CODE)]*\nCODE\n', lambda x: x.group(0).replace('<', '_LT_').replace('>', '_GT_'), text)
    

    这将适用于放置在“CODE”文本之间的第一组文本,只要它们之间没有“CODE”字符串即可

    will_work = """
    <title>This will work</title>
    CODE
    <b>Replace this</b>
    CODE
    """
    
    wont_work = """
    CODE
    <b>This won't work</b>CODE
    CODE
    """
    
    

    【讨论】:

    • 是的,我认为这将是处理它的方法。
    • 谢谢!如果你能想出一个正则表达式,我很乐意看到。不过,这似乎是一个难题。
    • @AaronMeier 我编辑了评论 :) 在 Google 上搜索“python 替换两个字符之间的子字符串”给了我链接stackoverflow.com/a/11096811/8665327
    猜你喜欢
    • 1970-01-01
    • 2023-03-13
    • 1970-01-01
    • 2022-11-07
    • 2012-04-26
    • 1970-01-01
    • 1970-01-01
    • 2013-06-13
    • 2017-02-04
    相关资源
    最近更新 更多