使用Python和正则表达式去除制表符分隔文件中特定的尾部和结束字符

Question

我已经很多年没用过正则表达式了，所以想请教一下这里的专家，因为这可能是个简单的事情 :)

我有一个用制表符分隔的文件，每一行都有一些字段，里面的值像这样：

• foo
• bar
• b"foo's bar"
• b'bar foo'
• b'carbar'

（文件中的一整行可能是这样的：

123\t b'bar foo' \tabc\t123\r\n

我想去掉每一行中那个字段前面的 b' 和 b" 以及后面的 " 和 '。所以根据上面的例子，运行正则表达式后，我希望得到：

123\t bar foo \tabc\t123\r\n

如果你能给我一段 Python 代码来处理这个文件，那就更好了。

Answer 1

在编程的世界里，有时候我们会遇到一些问题或者错误，这些问题可能会让我们感到困惑。比如，当你在写代码的时候，可能会发现程序没有按照你预期的方式运行。这种情况就需要我们去查找原因，看看哪里出了问题。

有些时候，错误信息会给我们一些提示，告诉我们是哪个部分出错了。比如，可能会提示某个变量没有定义，或者某个函数没有正确调用。这些信息就像是程序在跟我们说：“嘿，我在这里遇到了麻烦，你能帮我看看吗？”

解决这些问题的过程就像是侦探破案，我们需要仔细观察代码，找到线索，逐步排除错误。通过调试工具，我们可以一步一步地运行代码，看看每一步的结果，这样就能更清楚地了解程序的运行情况。

总之，编程就像是解谜游戏，遇到问题时不要慌张，慢慢分析，找到解决方案，你会发现编程其实很有趣！

>>> "b\"foo's bar\"".replace('b"',"").replace("b'","").rstrip("\"'")
"foo's bar"
>>> "b'bar foo'".replace('b"',"").replace("b'","").rstrip("\"'")
'bar foo'
>>>

Answer 2

(^|\t)b[\"'] 这个表达式是用来匹配字符串开头的部分，前面可以是行的开始或者一个制表符（也就是Tab键）。

而对于结尾部分：

\"' 这个表达式可以用来匹配字符串的结尾。

在Python中，你可以这样写：

import re
r1 = re.compile("(^|\t)b[\"']")
r2 = re.compile("[\"'](\t|$)")

然后你只需要使用：

r1.sub("\\1", yourString)
r2.sub("\\1", yourString)

Answer 3

对于每一行，你可以使用

re.sub(r'''(?<![^\t\n])\W*b(["'])(.*)\1\W*(?![^\t\n])''', r'\2', line)

如果想要额外的奖励：

import re

pattern = re.compile(r'''(?<![^\t\n])\W*b(["'])(.*?)\1\W*?(?![^\t\n])''')
with open('outfile', 'w') as outfile:
    for line in open('infile'):
        outfile.write(pattern.sub(r'\2', line))