环顾四周和替换的正则表达式

Question

我成功地使用Python替换了标签内的文本，例如<tag>some text here</tag>，使用正则表达式([a-zA-Z\s]*)，但是将正则表达式简化为(.*)时会失败。参见下面的示例

import re

text = """<tag>
    abc
    def
    ghi
</tag>
"""

print("\nSubstitute the text within the tags , i.e. <tag>...</tag>, with jkl\n")

print("1. Substitution works")
x = re.sub(r'(?<=<tag>\n)([a-zA-Z\s]*)(?=\n</tag>)',r"    jkl",text,re.DOTALL)
print(x)

print("2. Substitution fails")
y = re.sub(r'(?<=<tag>\n)(.*)(?=\n</tag>)',r"    jkl",text,re.DOTALL)
print(y)

输出为

Substitute the text within the tags , i.e. <tag>...</tag>, with jkl

1. Substitution works
<tag>
    jkl
</tag>

2. Substitution fails
<tag>
    abc
    def
    ghi
</tag>

阅读文档后，我仍然不知道为什么。如果有人可以帮助您了解这种Python regex行为，即([a-zA-Z\s]*)为何有效而(.*)失败的原因，我们将不胜感激。

Answer 1

每个人似乎都错过了这一点：re.sub的文档将参数显示为：

re.sub(pattern, repl, string, count=0, flags=0)

也就是说，第四个参数是要执行的替换次数的计数，而不是要使用的标志。您说的是re.DOTALL，但它被解释为count参数。您只需要说flags=re.DOTALL即可确保使用了正确的标志，以使.字符与换行符匹配：

y = re.sub(r'(?<=<tag>\n)(.*)(?=\n</tag>)',r"    jkl",text, flags=re.DOTALL)

您应该更新所有代码，以在flags=之前添加re.DOTALL。

import re

text = """<tag>
    abc
    def
    ghi
</tag>
"""
print("2. Substitution works!")
y = re.sub(r'(?<=<tag>\n)(.*)(?=\n</tag>)',r"    jkl",text, flags=re.DOTALL)
print(y)

打印：

2. Substitution works!
<tag>
    jkl
</tag>

Answer 2

第一个\s与任何空格字符（即换行符）匹配。

.与行终止符不匹配。

https://regex101.com/是非常有用的资源。

Answer 3

请在regex101.com所附的屏幕截图中找到答案