用re.sub替换命名的捕获组

Question

我想替换字符串中匹配的重新模式的文本，并且可以使用re.sub()执行此操作。如果我在调用中传递一个函数作为repl参数，它可以根据需要工作，如下所示：

from __future__ import print_function
import re

pattern = r'(?P<text>.*?)(?:<(?P<tag>\w+)>(?P<content>.*)</(?P=tag)>|$)'

my_str = "Here's some <first>sample stuff</first> in the " \
            "<second>middle</second> of some other text."

def replace(m):
    return ''.join(map(lambda v: v if v else '',
                        map(m.group, ('text', 'content'))))

cleaned = re.sub(pattern, replace, my_str)
print('cleaned: {!r}'.format(cleaned))

输出：

cleaned: "Here's some sample stuff in the middle of some other text."

但是从文档来看，听起来我应该能够通过传递一个替换字符串来获得相同的结果，该字符串中包含对其中命名组的引用。然而，我这样做的尝试不起作用，因为有时一个组是不匹配的，并且为它返回的值是None（而不是空字符串''）。

cleaned = re.sub(pattern, r'\g<text>\g<content>', my_str)
print('cleaned: {!r}'.format(cleaned))

输出：

Traceback (most recent call last):
  File "test_resub.py", line 21, in <module>
    cleaned = re.sub(pattern, r'\g<text>\g<content>', my_str)
  File "C:\Python\lib\re.py", line 151, in sub
    return _compile(pattern, flags).sub(repl, string, count)
  File "C:\Python\lib\re.py", line 278, in filter
    return sre_parse.expand_template(template, match)
  File "C:\Python\lib\sre_parse.py", line 802, in expand_template
    raise error, "unmatched group"
sre_constants.error: unmatched group

我做错了什么或不理解？

Answer 1

def repl(matchobj):
    if matchobj.group(3):
        return matchobj.group(1)+matchobj.group(3)
    else:
        return matchobj.group(1)

my_str = "Here's some <first>sample stuff</first> in the " \
        "<second>middle</second> of some other text."

pattern = r'(?P<text>.*?)(?:<(?P<tag>\w+)>(?P<content>.*)</(?P=tag)>|$)'
print re.sub(pattern, repl, my_str)

您可以使用re.sub的调用函数。

编辑：cleaned = re.sub(pattern, r'\g<text>\g<content>', my_str)这不会起作用，因为最后一点字符串匹配，即of some other text.有\g<text>定义，但没有\g<content>，因为没有content.But你仍然要求re.sub这样做。所以它生成错误。如果你使用字符串"Here's some <first>sample stuff</first> in the <second>middle</second>"然后你的print re.sub(pattern,r"\g<text>\g<content>", my_str)将工作，因为\g<content>一直在这里定义。

Answer 2

如果我理解正确，你想删除< >之间的所有内容：

>>> import re

>>> my_str = "Here's some <first>sample stuff</first> in the <second>middle</second> of some other text."

>>> print re.sub(r'<.*?>', '', my_str)

Here's some sample stuff in the middle of some other text.

有点解释这里发生了什么... r'<.*?>'：

<找到第一个<

然后.接受任何角色

*接受任何字符的任何次数

?将结果限制在尽可能短的时间，没有这个，它会一直持续到最后一个>而不是第一个可用的

>找到了关闭点>

然后，在没有任何东西的情况下替换这两点之间