Python:\ re.sub中的数字反向引用

Question

我试图使用python的re.sub函数来替换一些文本。

>>> import re
>>> text = "<hi type=\"italic\"> the></hi>"
>>> pat_error = re.compile(">(\s*\w*)*>")
>>> pat_error.search(text)
<_sre.SRE_Match object at 0xb7a3fea0>
>>> re.sub(pat_error, ">\1", text)
'<hi type="italic">\x01</hi>'

之后，文本的值应该是

"<hi type="italic"> the</hi>"

Answer 1

>>> text.replace("><", "<")
'<hi type="italic"> the</hi>'

Answer 2

你的代码中有两个错误。首先，您没有匹配（特别是捕获）您认为匹配和捕获的内容——在调用.search之后插入：

>>> _.groups()
('',)

重复的无限制的重复（在一个除了星星什么都没有的捕捉组之后的星星）匹配了太多——在你认为你匹配的东西的末尾有一条空字符串——这就是被捕捉到的。通过将至少一颗恒星更改为加号来修复，例如：

>>> pat_error = re.compile(r">(\s*\w+)*>")
>>> pat_error.search(text)
<_sre.SRE_Match object at 0x83ba0>
>>> _.groups()
(' the',)

现在，这个匹配和捕捉合理。第二，在应该使用的地方没有使用原始字符串文字语法，因此在认为有反斜杠的地方没有反斜杠——有一个与chr（1）相同的转义序列\1。使用原始字符串文字语法修复，即在上面的代码片段之后

>>> pat_error.sub(r">\1", text)
'<hi type="italic"> the</hi>'

或者，可以将所有反斜杠加倍，以避免它们被当作转义序列的开始，但是，原始字符串文字语法可读性要高得多。