Python正則表達式二進制文件文本文件 - 如何使用一系列數字和單詞邊界？

Question

我有一個文本文件，需要我在二進制文件中讀取它，並用二進制寫出。沒問題。我需要屏蔽掉有兩個X身分證號碼，很容易正常：

text = re.sub("\\b\d{3}-\d{2}-\{4}\\b","XXX-XX-XXXX", text)

這是我解析文本的樣本：

more stuff here CHILDREN�S 001-02-0003 get rid of that stuff goes here not001-02-0003 but ssn:001-02-0003

，我需要打開它轉換成：

more stuff here CHILDREN�S XXX-XX-XXXX get rid of that stuff goes here not001-02-0003 but ssn:XXX-XX-XXXX

超！所以現在我試圖用二進制編寫相同的正則表達式。這裏是我有什麼，它的「作品」，但它天哪，感覺不對都：

line = re.sub(b"\\B(\x000|\x001|\x002|\x003|\x004|\x005|\x006|\x007|\x008|\x009)(\x000|\x001|\x002|\x003|\x004|\x005|\x006|\x007|\x008|\x009)(\x000|\x001|\x002|\x003|\x004|\x005|\x006|\x007|\x008|\x009)\x00-(\x000|\x001|\x002|\x003|\x004|\x005|\x006|\x007|\x008|\x009)(\x000|\x001|\x002|\x003|\x004|\x005|\x006|\x007|\x008|\x009)\x00-(\x000|\x001|\x002|\x003|\x004|\x005|\x006|\x007|\x008|\x009)(\x000|\x001|\x002|\x003|\x004|\x005|\x006|\x007|\x008|\x009)(\x000|\x001|\x002|\x003|\x004|\x005|\x006|\x007|\x008|\x009)(\x000|\x001|\x002|\x003|\x004|\x005|\x006|\x007|\x008|\x009)\\B", b"\x00X\x00X\x00X\x00-\x00X\x00X\x00-\x00X\x00X\x00X\x00X", line)

注：

• 的垃圾對於兒童，我要堅持這樣說，這
• 需要字邊界，因此4號線不會被屏蔽掉

不該我正則表達式是數字，而不是一個範圍？我只是不知道如何在二進制中做到這一點。而我的詞語界限只能用作爲\ B而不是\ b，呃..這是怎麼回事？

更新：我也試過這樣：

line = re.sub(b"[\x30-\x39]", b"\x58", line)

，並且它會爲每一個數字，但是如果我嘗試連做喜歡的事，很簡單：

line = re.sub(b"[\x30-\x39][\x30-\x39]", b"\x58\x58", line)

它不匹配任何東西，爲什麼？

Answer 1

您可以試試：

import re 

rx = re.compile(r'\b\d{3}-\d{2}-\d{4}\b') 

with open("test.txt", "rb") as fr, open("test2.txt", "wb+") as fp: 
    repl = rx.sub('XXX-XX-XXXX', fr.read()) 
    fp.write(repl) 

這每一個垃圾字符保留，因爲它們並將它們寫入test2.txt。
請注意，如果您不希望每個反斜槓都被轉義，則可以在Python中使用r'string here'。