使用Python正則表達式查找/替換文檔中的URL

Question

Python正則表達式的專家！我正在嘗試在xml文檔中更改一行。 原線爲：

<Tag name="low"  Value="%hello%\dir"/> 

我想看到的結果是：

<Tag name="low"  Value="C:\art"/> 

我未能直接的嘗試是：

lines = re.sub("%hello%\dir"", "C:\art"/> 

這是行不通的。不會更改文檔中的任何內容。有什麼％？

出於測試目的，我想：

lines = re.sub("dir", "C:\art", a) 

我也得到：

<Tag name="low"  Value="%hello%\C:BELrt"/> 

的問題是，\ A = BEL。

我試了一堆其他的東西，但無濟於事。我該如何解決這個問題？

Answer 1

在Python中，使用字符串的r前綴來避免使用斜槓。然後逃避你的斜線，以避免\d匹配一個數字。

lines = re.sub(r"%hello%\\dir", r"C:\\art") 

Answer 2

你的問題是你有一些字符在正則表達式中有特定的含義。

\d表示任何數字。 %hello%\dir然後%hello%[0-9]ir

您需要逃生者斜線/使用原始字符串來解決這個問題：

a = '''<Tag name="low" Value="%hello%\dir"/>''' 
lines = re.sub(r"%hello%\\dir", r"C:\\art", a) 
print(lines) #<Tag name="low"  Value="C:\\art"/> 

Answer 3

這是一個很好的問題。它顯示了三個問題，一個文本表示一次：

• '\a' Python的字符串文字是有獨鍾字符。

  要在Python源代碼中輸入反斜槓後跟字母'a'，您需要使用原始文字：r'\a'或轉義斜槓'\\a'。

• r'\d'（兩個字符）在解釋爲正則表達式時具有特殊含義（r'\d'表示匹配正則表達式中的數字）。

  除了Python字符串文字的規則外，還需要轉義可能的正則表達式元字符。在一般情況下，您可以使用re.escape(your_string)，或者僅使用r'\\d'或'\\\\d'。'\a'在repl部分也應該被轉義（在你的情況下兩次：r'\\a'或'\\\\a'）：

  >>> print xml.replace(old, new) 
  <Tag name="low"  Value="C:\art"/> 
  

• ：

  >>> old, new = r'%hello%\dir', r'C:\art' 
  >>> print re.sub(re.escape(old), new.encode('string-escape'), xml) 
  <Tag name="low"  Value="C:\art"/> 
  

  順便說一句，你根本就不在這種情況下，需要正則表達式最後XML attribute value can't contain certain characters也應該逃過例如'&','"',"<"等

一般而言，您不應該使用正則表達式來操作XML。 Python的stdlib具有XML解析器。

>>> import xml.etree.cElementTree as etree 
>>> xml = r'<Tag name="low"  Value="%hello%\dir"/>' 
>>> tag = etree.fromstring(xml) 
>>> tag.set('Value', r"C:\art & design") 
>>> etree.dump(tag) 
<Tag Value="C:\art &amp; design" name="low" />