我可以用 re.sub（或 regexobject.sub）在子组中替换文本吗？

Question

我需要解析一个配置文件，格式大致是这样的（简化版）：

<config>
<links>
<link name="Link1" id="1">
 <encapsulation>
  <mode>ipsec</mode>
 </encapsulation>
</link>
<link name="Link2" id="2">
 <encapsulation>
  <mode>udp</mode>
 </encapsulation>
</link>
</links>

我的目标是能够修改特定链接的参数，但我在替换时遇到了麻烦。我有一个正则表达式，可以找到特定链接的参数值，这个值在捕获组1里面：

link_id = r'id="1"'
parameter = 'mode'
link_regex = '<link [\w\W]+ %s>[\w\W]*[\w\W]*<%s>([\w\W]*)</%s>[\w\W]*</link>' \
% (link_id, parameter, parameter)

因此，

print re.search(final_regex, f_read).group(1)

打印出来的是 ipsec

在这个 正则表达式教程 中的例子似乎都假设我们想在替换时使用捕获组的内容，但我需要做的是直接替换掉捕获组本身（比如把 Link1 的模式从 ipsec 改成 udp）。

Answer 1

这看起来像是有效的XML格式，所以你不需要用BeautifulSoup，也根本不需要用正则表达式。你只需要用一个好的XML库来加载XML，编辑它，然后打印出来。下面是一个使用ElementTree的方法：

import xml.etree.cElementTree as ET

s = """<config>
<links>
<link name="Link1" id="1">
 <encapsulation>
  <mode>ipsec</mode>
 </encapsulation>
</link>
<link name="Link2" id="2">
 <encapsulation>
  <mode>udp</mode>
 </encapsulation>
</link>
</links>
</config>
"""
configElement = ET.fromstring(s)

for modeElement in configElement.findall("*/*/*/mode"):
    modeElement.text = "udp"

print ET.tostring(configElement)

这个方法会把所有的mode元素都改成udp，输出结果如下：

<config>
<links>
<link id="1" name="Link1">
 <encapsulation>
  <mode>udp</mode>
 </encapsulation>
</link>
<link id="2" name="Link2">
 <encapsulation>
  <mode>udp</mode>
 </encapsulation>
</link>
</links>
</config>

Answer 2

我得先告诉你一句：“别用正则表达式来做这个。”

看看用BeautifulSoup来做这件事是多么简单和好用，比如说：

>>> from BeautifulSoup import BeautifulStoneSoup
>>> html = """
... <config>
... <links>
... <link name="Link1" id="1">
...  <encapsulation>
...   <mode>ipsec</mode>
...  </encapsulation>
... </link>
... <link name="Link2" id="2">
...  <encapsulation>
...   <mode>udp</mode>
...  </encapsulation>
... </link>
... </links>
... </config>
... """
>>> soup = BeautifulStoneSoup(html)
>>> soup.find('link', id=1)
<link name="Link1" id="1">
<encapsulation>
<mode>ipsec</mode>
</encapsulation>
</link>
>>> soup.find('link', id=1).mode.contents[0].replaceWith('whatever')
>>> soup.find('link', id=1)
<link name="Link1" id="1">
<encapsulation>
<mode>whatever</mode>
</encapsulation>
</link>

看你的正则表达式，我不太确定这是不是你想要的效果，但无论你想做什么，使用像BeautifulSoup这样的库要比拼凑正则表达式好得多。我强烈推荐如果可以的话就走这条路。

Answer 3

我不太确定这样做是否合适，但最快的方法是调整一下捕获的内容：

([\w\W][\w\W]<%s>)[\w\W]([\w\W])' 然后用 group1 + mode + group2 来替换。