python re sub vs findall

Question

我的代码：

import urllib
import re
xml = urllib.urlopen('url').read()

我有兴趣从xml文件中删除某些标签及其内容，因此，我尝试使用正则表达式。

例如：

re.findall(r'<fig(.*?)</fig>', xml, re.DOTALL)

返回匹配项并且非空。

然而，

re.sub(r'<fig(.*?)</fig>', ' ', xml, re.DOTALL)

什么都不做，xml字符串不变。我很困惑为什么，请帮忙。

Answer 1

re.sub的第4个参数不是flags，而是counts。 re.DOTALL的值为16（至少在Python 2.7 / 3.4中）。因此re.sub(.., re.DOTALL)只会替换16次。

将flags指定为关键字参数可以解决您的问题：

re.sub(r'<fig(.*?)</fig>', ' ', xml, flags=re.DOTALL)

除此之外，re.sub返回替换的字符串，而不是就地更改第三个参数。确保您已分配回函数的返回值。

Answer 2

由于字符串在python中是不可变的，因此您必须将re.sub的结果分配给新变量。如果您不将其分配给新变量，则无法获得所需的输出。