Question

我有一个XML，我想重命名其中一个标签组：

<string>ABC</string>
<string>unknown string</string>

应该是

<xyz>ABC</xyz>
<xyz>unknown string</xyz>

ABC总是一样的，所以没问题。但是，“未知字符串”总是不同，但由于我需要提取此信息，我还想在替换中保留相同的字符串。

这是我到目前为止所得到的：

    import re
    #open the xml file for reading:
    file = open('path/file','r+')
    #convert to string:
    data = file.read()
    file.write(re.sub("<string>ABC</string>(\s+)<string>(.*)</string>","<xyz>ABC</xyz>[\1]<xyz>[\2]</xyz>",data))
    print (data)
    file.close()

我尝试使用捕获组，但没有正确执行。该字符串在我的XML中被奇怪的符号替换。另外，它打印了两次。我的XML中有未更改的版本和更改的版本，我不想要。

Answer 1

您遇到的问题不是由于您的正则表达式模式。字符串中的反斜杠（\）正在转义前进字符，从而导致您看到的怪异符号。

>>> print "hello\1world"
helloworld
>>> print r"hello\1world"
hello\1world

始终使用raw string notation来定义您的重新模式。

>>> data = """
... <string>ABC</string>
... <string>unknown string</string>
... """
>>> print re.sub(r"<string>ABC</string>(\s+)<string>(.*)</string>",r"<xyz>ABC</xyz>\1<xyz>\2</xyz>",data)

<xyz>ABC</xyz>
<xyz>unknown string</xyz>

Answer 2

为什么要在更换操作中包含内容？您所需要做的就是：

将<string>替换为<xyz>。
将</string>替换为</xyz>。

这需要两次操作，但代码的意图很明确，您不需要知道unknown string是什么。

Python替换为重用未知字符串

2 个答案: