Python正则表达式替换引号内的文本但不包括引号

Question

我有一个测试字符串，比如说

content = 'I opened my mouth, "Good morning!" I said cheerfully'

我想用正则表达式来去掉双引号里面的文字，但保留双引号本身。所以最后的结果应该是

'I opened my mouth, "" I said cheerfully'

我正在使用以下代码

content = re.sub(r'".*"'," ",content)

但是这段代码也把双引号去掉了。那我应该用什么样的模式，才能去掉引号里面的文字，但保留引号呢？

相关问题：

• 使用Python中的正则表达式替换单词周围的括号
• 使用正则表达式/ python 在字符串中查找并替换特定数字
• 使用正则表达式在Python中替换整数值
• Python正则表达式与Wiki文本
• Python和re.compile返回不一致的结果
• 使用Python正则表达式替换字符串的一部分
• Python 正则表达式，re.sub，替换模式的多个部分？
• 在正则表达式中匹配a+

Answer 1

你可能想用“前后查找”表达式：

>>> content = 'I opened my mouth, "Good morning!" I said cheerfully'
>>> content = re.sub(r'(?<=").*(?=")', '', content)

这段意思是“匹配任何前面有引号，后面也有引号的内容”。

这种方法的好处是，你可以在前后查找中使用不同的东西。例如，你可以用 (?<"|') 来匹配单引号或双引号，而不去改变那个引号本身。如果你直接把要“替换并放回”的内容写死，就做不到这一点。

我写的这个形式会是一个“贪婪”的匹配，也就是说，它会尽量匹配尽可能大的内容。如果你有多个引号对，你可能想用“非贪婪量词” .*?，它的意思是“只要找到匹配就停下来”（也就是说，停在下一个双引号那里）。你也可以明确匹配“只匹配不是双引号的内容”，也就是：

re.sub(r'(?<=")[^"]*(?=")', '', content) 

注意，你仍然需要“结束引号”，这样你就不会从一个引号开始匹配到字符串的末尾。

Answer 2

你还可以使用“前后查找”的方法：

(?<=")([^"]+)(?=")

Debuggex 演示

content = re.sub(r'(?<=")([^"]+)(?=")', '', content)

有两个注意事项：

• .* 会抓取你字符串中到最后一个双引号之间的所有内容，而不是下一个双引号。这就是为什么我把它改成了 [^"]+。

• 重要的是，当整体字符串中有两个双引号的子字符串时，这个方法是行不通的，除非你在下次搜索开始时增加索引位置。所以，比如说，假设有这样一句：

  我张嘴说：“早上好！”我愉快地说。“大家怎么样？”

为了不抓取 我愉快地说。，你必须在找到“早上好！”后，把索引位置增加一。

Answer 3

使用 '""' 作为替换字符串：

>>> content = 'I opened my mouth, "Good morning!" I said cheerfully'
>>> content = re.sub(r'".*"', '""', content)
>>> print(content)
I opened my mouth, "" I said cheerfully

顺便说一下，.* 会尽量匹配尽可能多的内容（贪婪匹配）。如果你想要非贪婪匹配，可以使用 .*? 或者 [^"]*。

>>> content =  'I opened my mouth, "Good morning!" I said cheerfully. "How is everyone?"'
>>> content = re.sub(r'".*?"', '""', content)
>>> print(content)
I opened my mouth, "" I said cheerfully. ""