Question

我正在尝试在python中实现以下替换。用{n}替换所有html标签＆安培;创建[tag，{n}]的哈希值原始字符串 - ＆gt; “<h>这是一个字符串。</H><P>这是另一个部分。</P>”
替换文字 - ＆gt; “{0}这是一个字符串。{1} {2}这是另一部分。{3}”

这是我的代码。我已经开始替换，但是我坚持使用替换逻辑，因为我无法找出以连续方式替换每个匹配项的最佳方法，即使用{0}，{1}等等：

import re
text = "<h> This is a string. </H><p> This is another part. </P>"

num_mat = re.findall(r"(?:<(\/*)[a-zA-Z0-9]+>)",text)
print(str(len(num_mat)))

reg = re.compile(r"(?:<(\/*)[a-zA-Z0-9]+>)",re.VERBOSE)

phctr = 0
#for phctr in num_mat:
#    phtxt = "{" + str(phctr) + "}"
phtxt = "{" + str(phctr) + "}"
newtext = re.sub(reg,phtxt,text)

print(newtext)

有人可以帮助更好地实现这一目标吗？谢谢！

Answer 1

import re
import itertools as it

text = "<h> This is a string. </H><p> This is another part. </P>"

cnt = it.count()
print re.sub(r"</?\w+>", lambda x: '{{{}}}'.format(next(cnt)), text)

打印

{0} This is a string. {1}{2} This is another part. {3}

仅适用于简单标签（标签中没有属性/空格）。对于扩展标记，您必须调整正则表达式。

此外，不重新初始化cnt = it.count()将继续编号。

更新以获取映射字典：

import re
import itertools as it

text = "<h> This is a string. </H><p> This is another part. </P>"

cnt = it.count()
d = {}
def replace(tag, d, cnt):
    if tag not in d:
        d[tag] = '{{{}}}'.format(next(cnt))
    return d[tag]
print re.sub(r"(</?\w+>)", lambda x: replace(x.group(1), d, cnt), text)
print d

打印：

{0} This is a string. {1}{2} This is another part. {3}
{'</P>': '{3}', '<h>': '{0}', '<p>': '{2}', '</H>': '{1}'}

在python中用序列号字符串替换模式

1 个答案: