python re sub与findall的区别

Question

我的代码：

import urllib
import re
xml = urllib.urlopen('url').read()

我想从xml文件中删除某些标签及其内容，所以我尝试使用正则表达式。

比如：

re.findall(r'<fig(.*?)</fig>', xml, re.DOTALL)

这个可以找到匹配的内容，并且返回的结果不为空。

但是，

re.sub(r'<fig(.*?)</fig>', ' ', xml, re.DOTALL)

这个却没有任何效果，xml字符串没有改变。我很困惑，求助。

Answer 1

因为在Python中，字符串是不可改变的，所以你需要把re.sub的结果赋值给一个新的变量。如果不把它赋值给新变量，你就无法得到想要的结果。

Answer 2

re.sub这个函数的第四个参数其实不是用来设置标志的，而是用来指定替换的次数。比如在Python 2.7和3.4中，re.DOTALL的值是16，这意味着如果你写re.sub(.., re.DOTALL)，它只会替换16次。

如果你把flags作为关键字参数来指定，就能解决这个问题：

re.sub(r'<fig(.*?)</fig>', ' ', xml, flags=re.DOTALL)

另外，re.sub这个函数会返回一个新的字符串，而不会直接修改第三个参数的内容。所以你要记得把这个返回值重新赋值给一个变量。