Question

我正在尝试创建一个简单的脚本，它将从文件中获取正则表达式，然后在另一个文件上执行搜索和替换。这就是我所拥有但它不起作用，文件没有改变，我做错了什么？

import re, fileinput

separator = ' => '

file = open("searches.txt", "r")

for search in file:
    pattern, replacement = search.split(separator)
    pattern = 'r"""' + pattern + '"""'
    replacement = 'r"""' + replacement + '"""'
    for line in fileinput.input("test.txt", inplace=1):
        line = re.sub(pattern, replacement, line)
        print(line, end="")

文件 searches.txt 如下所示：

<p (class="test">.+?)</p> => <h1 \1</h1>
(<p class="not">).+?(</p>) => \1This was changed by the script\2

和 test.txt 是这样的：

<p class="test">This is an element with the test class</p>
<p class="not">This is an element without the test class</p>
<p class="test">This is another element with the test class</p>

我做了一个测试，看它是否正确地从文件中获取表达式：

>>> separator = ' => '
>>> file = open("searches.txt", "r")
>>> for search in file:
...     pattern, replacement = search.split(separator)
...     pattern = 'r"""' + pattern + '"""'
...     replacement = 'r"""' + replacement + '"""'
...     print(pattern)
...     print(replacement)
... 
r"""<p (class="test">.+?)</p>"""
r"""<h1 \1</h1>
"""
r"""(<p class="not">).+?(</p>)"""
r"""\1This was changed by the script\2"""

由于某种原因，第一个替换上的结束三重引号是换行符，这可能是我问题的原因吗？

Answer 1

您不需要

pattern = 'r"""' + pattern + '"""'

在对re.sub的调用中，pattern应该是实际的正则表达式。所以<p (class="test">.+?)</p>。当你在它周围包装所有这些双引号时，它会使模式永远不会与文件中的文本匹配。

即使您似乎看到过这样的代码：

replaced = re.sub(r"""\w+""", '-')

在这种情况下，r"""向python解释器指示您正在讨论“原始”多行字符串，或者不应该替换反斜杠序列的字符串（例如\ n替换为换行符）。程序员经常在python中使用“原始”字符串来引用正则表达式，因为他们想要使用正则表达式序列（如上面的\w）而不必引用反斜杠。如果没有原始字符串，正则表达式必须是'\\w+'，这会让人感到困惑。

但无论如何，您根本不需要三重双引号。最后一个代码短语可以写成：

replaced = re.sub(r'\w+', '-')

最后，你的另一个问题是输入文件中有换行符，将pattern =＆gt;的每个案例分开。替换。所以它真的是“pattern =＆gt; replacement \ n”，并且尾随换行符跟随你的替换变量。尝试做：

for search in file:
    search = search.rstrip() #Remove the trailing \n from the input
    pattern, replacement = search.split(separator)

Answer 2

两个观察结果：

1）在阅读文件时使用.strip()，如下所示：

pattern, replacement = search.strip().split(separator)

这将从文件中删除\n

2）如果您打算从模式中转义正则表达式元字符，请使用re.escape()而不是r“”“+ str +”“”形式

多个正则表达式搜索和替换

2 个答案: