python 正则表达式转义字符

Question

我们有：

>>> str
'exit\r\ndrwxr-xr-x    2 root     root            0 Jan  1  2000 
\x1b[1;34mbin\x1b[0m\r\ndrwxr-xr-x    3 root     root           
0 Jan  1  2000 \x1b[1;34mlib\x1b[0m\r\ndrwxr-xr-x   10 root     
root            0 Jan  1  1970 \x1b[1;34mlocal\x1b[0m\r\ndrwxr-xr-x    
2 root     root            0 Jan  1  2000 \x1b[1;34msbin\x1b[0m\r\ndrwxr-xr-x    
5 root     root            0 Jan  1  2000 \x1b[1;34mshare\x1b[0m\r\n# exit\r\n'

>>> print str
exit
drwxr-xr-x    2 root     root            0 Jan  1  2000 bin
drwxr-xr-x    3 root     root            0 Jan  1  2000 lib
drwxr-xr-x   10 root     root            0 Jan  1  1970 local
drwxr-xr-x    2 root     root            0 Jan  1  2000 sbin
drwxr-xr-x    5 root     root            0 Jan  1  2000 share
# exit

我想用正则表达式去掉所有的 '\xblah[0m' 这种无意义的东西。我试过

re.sub(str, r'(\x.*m)', '')

但是没有成功。有什么好的办法吗？

相关问题：

• Python 正则表达式 - 匹配类似 printf 的格式字符串及转义引号
• 正则表达式：如何匹配包含"\n"（换行）的字符串？
• Python 正则表达式（在一个字符串中搜索多个值）
• 使用正则表达式在Python中去除文本中的HTML标签
• Python 正则表达式在一行中查找两个关键词
• 如何用正则表达式检测无效的C转义字符串？
• 正则表达式匹配除了给定正则表达式的所有内容
• 在Python中查找字符串中正则表达式匹配的次数

Answer 1

这些是 ANSI终端代码。它们的开始是一个ESC字符（字节27，在Python中表示为 \x1B），接着是一个 [，然后是一些用 ; 分隔的参数，最后是一个字母来指定具体的命令。（比如 m 是用来改变颜色的。）

这些参数通常是数字，所以在这个简单的情况下，你可以通过以下方式去掉它们：

ansisequence= re.compile(r'\x1B\[[^A-Za-z]*[A-Za-z]')
ansisequence.sub('', string)

从技术上讲，对于一些（与颜色无关的）控制代码，参数可能是一般的字符串，这样解析起来就比较麻烦。虽然你很少会遇到这种情况，但如果遇到了，你可能需要用一些复杂的方法，比如：

\x1B\[((\d+|"[^"]*")(;(\d+|"[^"]*"))*)?[A-Za-z]

最好的办法是说服生成这个字符串的程序，让它知道你不是一个ANSI终端，所以它的输出中不应该包含颜色代码。

Answer 2

你需要做以下几个修改：

• 把反斜杠进行转义
• 改为非贪婪匹配。否则，程序会把第一个\x和最后一个m之间的所有内容都删除，这在出现多个相同内容时会造成问题。
• 参数的顺序不对

结果：

re.sub(r'(\\x.*?m)', '', str)

Answer 3

你遇到了一些问题：

• 你传给 re.sub 的参数顺序搞错了。正确的顺序应该是：

  re.sub(正则表达式, 替换内容, 源字符串)

• 字符串里没有 "\x"。实际上，"\x1b" 是一个转义字符，它只是一个单独的字符。

• 正如 interjay 指出的那样，你应该用 ".*?" 而不是 ".*"，因为如果用后者，它会匹配从第一个转义字符到最后一个 "m" 之间的所有内容。

正确的 re.sub 调用方式是：

print re.sub('\x1b.*?m', '', s)

另外，你也可以使用：

print re.sub('\x1b[^m]*m', '', s)