Python正则表达式替换引号中的文本，除了引号本身

Question

所以我有一个测试字符串，例如

content = 'I opened my mouth, "Good morning!" I said cheerfully'

我想使用正则表达式来删除双重语音标记之间的文本，而不是语音标记本身。所以它会返回

'I opened my mouth, "" I said cheerfully'

我正在使用以下代码

content = re.sub(r'".*"'," ",content)

但这也消除了双重语音标记。 我应该使用什么模式来保留语音标记，但删除其中的文本。

Answer 1

使用'""'作为替换字符串：

>>> content = 'I opened my mouth, "Good morning!" I said cheerfully'
>>> content = re.sub(r'".*"', '""', content)
>>> print(content)
I opened my mouth, "" I said cheerfully

BTW，.*尽可能匹配（贪婪）。要匹配非贪婪时尚，请使用.*?或[^"]*。

>>> content =  'I opened my mouth, "Good morning!" I said cheerfully. "How is everyone?"'
>>> content = re.sub(r'".*?"', '""', content)
>>> print(content)
I opened my mouth, "" I said cheerfully. ""

Answer 2

你也可以使用lookarounds：

(?<=")([^"]+)(?=")

Debuggex Demo

content = re.sub(r'(?<=")([^"]+)(?=")', '', content)

两个注释：

• .*会捕获字符串中 last 双引号的所有内容，而不是 next 。这就是为什么我把它[^"]+。

• 重要的是，当两个双引号子字符串在整个字符串中时，这将不起作用，除非增加下一个搜索开始的索引。所以，例如，

  我张开嘴，“早上好！”我高兴地说。 “每个人怎么样？”

为了不捕获I said cheerfully.，必须在“早上好！”之后将索引递增一。

Answer 3

您可能想要使用“环视”表达式：

>>> content = 'I opened my mouth, "Good morning!" I said cheerfully'
>>> content = re.sub(r'(?<=").*(?=")', '', content)

这表示“匹配任何前面带有引号并后跟引号的内容”。

这种方法的优点是你可以在外观中有不同的东西 - 例如，你可以匹配(?<"|')以匹配单引号或双引号，并留下引号标记。如果你硬连接你“更换并放回”的东西，你就不能这样做。

在我写的形式中，这将是一个“贪婪”的匹配 - 也就是说，它将匹配尽可能大的表达式。如果你有多对引号，你可能想要使用“非贪婪量词”.*?，它表示“一旦你得到匹配就停止”（即停在下一个双引号）。你也可以明确地匹配“只有不是双引号的东西”，即

re.sub(r'(?<=")[^"]*(?=")', '', content) 

请注意，您仍然需要“结束引用”，因此您不会最终匹配从单引号到字符串末尾的所有内容。