蟒應用re.sub具有可變

Question

輸入文本：

Ell és la víctima que expia els nostres pecats, i no tan sols els nostres, sinó els del món sencer. 

預期輸出：

Ell és la víctima que expia els nostres pecats, i no tan sols els nostres, sinó els del món sencer. 

已知的事實： unichr（233）= E

爲現在我有

re.sub('&#([^;]*);', r'unichr(int(\1))', inputtext, flags=re.UNICODE) 

當然是不工作，不知道如何通過功能\1

有什麼想法？

Answer 1

幸運的是，re.sub接受一個函數作爲參數，以及。該功能將接收到一個"MatchObject" - 從那裏，您可以通過match.group(1), match.group(2)等獲得匹配的組等。函數的返回值將是用於替換輸入文本中的匹配組的字符串。

def fn(match): 
    return unichr(int(match.group(1))) 

re.sub('&#([^;]*);', fn, inputtext, flags=re.UNICODE) 

如果你真的想，你可以內聯這一點，並使用lambda - 但我認爲拉姆達使得它更難在這種情況下讀取。

---

順便說一句，這取決於你的Python版本，也有對未逃逸HTML更好的方法（因爲它也將處理的特殊轉義序列像'&'：

Python2.x

>>> import HTMLParser 
>>> s = 'Ell és la víctima que expia els nostres pecats, i no tan sols els nostres, sinó els del món sencer.' 
>>> print HTMLParser.HTMLParser().unescape(s) 
Ell és la víctima que expia els nostres pecats, i no tan sols els nostres, sinó els del món sencer. 

Python3.x

>>> import html 
>>> html.unescape(s) 

reference

^{特別是如果你給fn一個更明智的名稱;-)}

Answer 2

使用lambda function：

re.sub('&#([^;]*);', lambda match: unichr(int(match.group(1))), t, flags=re.UNICODE)