Question

我的文字格式如下：

        <cast_member billing="top">
            <display_name>Elijah Wood</display_name>
            <character_name>#9 (voice)</character_name>
            <locales>
                <locale name="ko-KR">
                    <display_name>일라이자 우드</display_name>
                </locale>
                <locale name="cmn-Hant">
                    <display_name>伊利亞伍德</display_name>
                </locale>
            </locales>
        </cast_member>
        <cast_member billing="top">
            <display_name>Peter Pan</display_name>
            <character_name>#8 (voice)</character_name>
        </cast_member>

如果<locales>标记存在，我将如何删除<cast_member billing="top"> <display_name>Elijah Wood</display_name> <character_name>#9 (voice)</character_name> </cast_member> <cast_member billing="top"> <display_name>Peter Pan</display_name> <character_name>#8 (voice)</character_name> </cast_member>标记内的所有内容。上面的输入看起来像：

{{1}}

Answer 1

永远不要使用正则表达式来解析HTML或XML。请改用优秀的lxml库。

Answer 2

这将在没有Regex的纯Python中完成，但它可能会破坏缩进和/或在文本被删除的地方留下空行

<cast_member billing="top">
    <display_name>Elijah Wood</display_name>
    <character_name>#9 (voice)</character_name>

</cast_member>
<cast_member billing="top">
    <display_name>Peter Pan</display_name>
    <character_name>#8 (voice)</character_name>
</cast_member>

这是代码：

with open('data') as f:
    text = f.read()

oTag = "<locales>"
cTag = "</locales>"

newText = ''
p = 0
s = text.find(oTag, p)
while s > -1:
    e = text.find(cTag, s)
    if e == -1:
        # ERROR: no closing tag
        pass
    newText += text[p:s]
    p = e + len(cTag)
    s = text.find(oTag, p)
newText += text[p:]

print newText,

Answer 3

您可以使用正则表达式和正则表达式替换函数

“string”.replace（/ s /，''） - ＆gt; “特林”

你可以创建一个看起来像这样的正则表达式： /(\\+.+){0,}</locales>/ - ＆gt;这将匹配open和close语言环境标记，以及它们之间的任何内容。

http://rubular.com/r/WTfo0b2bet看到它的实际效果

myXMLstring.replace（/（\ s +。+）{0，}＆lt; / locales＆gt; /，''）

Answer 4

以下是我最终要做的事情，使用lxml：

cast_name = node.xpath("//package/video/cast/cast_member/display_name")
character_name = node.xpath("//package/video/cast/cast_member/character_name")
combined_cast = zip(cast_name, character_name)
cast = [(item1.text, item2.text) for item1, item2 in combined_cast]

[(Elijah Wood,#9 (voice)), (Peter Pan, #8 (voice))]

系统地删除一段文本（正则表达式？）

4 个答案: