python 3正则表达式模式替换

Question

我有一个格式错误的csv文件需要修复：

• 该文件应该每行有一条记录，但由于这种格式化问题，它有一个MS-DOS换行符（^M）。
• 更糟糕的是，CSV文件的最后一个字段是一个文本字段，它还包含这个MS-DOS换行符，所以我不能简单地替换^M字符。
• 但好消息是文件的第一个字段是DATE字段（MM/DD/YY）

所以我尝试将（\r\nMM/DD/YY）模式替换为（\rMM/DD/YY），但它不起作用。这是我的代码片段：

fixed_content = re.sub(r"""\r\n\d{2})/\d{2}/\d{2}""", r"""\r\1/\2/\3""", malformed_content)

我的问题是：

1. 我不知道如何将^M字符表示为模式。我使用了\r\n
2. 我不知道如何在新的替换模式中引用先前的匹配。我将\1用于第一个MM模式，\2用于下一个DD模式，\3用于最后YY模式。

Answer 1

要匹配DD/MM/YY形式的日期字符串，您可以使用以下正则表达式：

 \d{2}\/\d{2}\/\d{2}

如果您想要backreference匹配的字符串，则必须将它放在括号(...)之间，如下所示：

 (\d{2}\/\d{2}\/\d{2})

整体替换命令将变为：

fixed_content = re.sub(r"""\r\n(\d{2}\/\d{2}\/\d{2})""", r"""\r\1""", malformed_content)

请注意，我有时需要反斜杠\/，因为反斜杠被用作匹配/替换字符串之间的分隔符。修改以满足您的需求。