Question

我知道这个问题之前已被问过，我知道Regex不适合管理XML。虽然，我在一个带有re.compile(...).subn(...)的python实用程序中使用它们来替换某些XML内容而不解析XML本身，因为这个XML内容在专有/遗留语言文件中。因此，XML工具不是一种选择，在考虑编写特定算法之前，正则表达式是最后的手段。

我需要替换元素中包含的东西（属性值）。例如，来自：

<Tag>
bla bla
<SomethingElse AnAttribute="YEAH"/>
bla bla
</Tag>

要：

<Tag>
bla bla
<SomethingElse AnAttribute="AH,NO!!"/>
bla bla
</Tag>

为了执行匹配，我尝试了简单模式（使用非贪婪的运算符）：

<Tag>(.*?)AnAttribute="(.*?)"(.*?)</Tag>

那个非贪婪的算子+负向前瞻：

<Tag>(?!Tag)(.*?)CurrencyCode="(.*?)"(?!Tag)(.*?)</Tag>

它们都适用于简单的情况（最后一个处理＆＃34;误报＆＃34;），但我仍然无法处理以下（非常简单！）案例：

<Tag></Tag>
bla bla 
<SomethingElse AnAttribute="YEAH"/>
bla bla 
<Tag></Tag>

因为在这种情况下，AnAttribute 实际上已被发现（并且它不应该，因为它不在元素内部）！

Answer 1

我认为您需要分两步解决问题：

提取所需标记内的相关文字部分
替换该标记内的属性

使用带有作为参数传递的闭包的re.sub可以很好地完成此操作。

以下使用partial将额外参数传递给闭包，并动态构建所需的正则表达式：

import re
from functools import partial

text = u'''
[...]
'''
# The key is the external tag to extract
# The value a list of attributes whose content has to be replaced
sub_dict = {"RoomRatesWithoutServices": ['CurrencyCode1', 'CurrencyCode2'],
            "AnotherTag": ['AnotherAttr']}

replacement = '_REPLACED_'


def closure(attr, replacement, m):
    attr_pattern = '(?<=(?:%s)=")[^"]+(?=")' % attr
    return re.sub(attr_pattern, replacement, m.group())

for ext_tag, attr_list in sub_dict.iteritems():
    attr = r"|".join(attr_list)
    tag_pattern = r"(?s)<%s>.*?</%s>" % (ext_tag, ext_tag)
    text = re.sub(tag_pattern, partial(closure, attr, replacement), text)

print text

输出如下：

'<RoomRatesWithoutServices>&
  </RoomRatesWithoutServices>&
  <TotalBeforeTaxPayHotel AmountAfterTax="560.00" CurrencyCode="EUR"/>&
  <TotalBeforeTaxPayHotel AmountAfterTax="560.00" CurrencyCode="EUR"/>&
  <RoomRatesWithoutServices>&
</RoomRatesWithoutServices>&'

'<RoomRatesWithoutServices>&
  <TotalBeforeTaxPayHotel AmountAfterTax="560.00" CurrencyCode1="_REPLACED_"/>&
  <TotalBeforeTaxPayHotel AmountAfterTax="560.00" CurrencyCode2="_REPLACED_"/>&
  <RoomRatesWithoutServices>&
</RoomRatesWithoutServices>&'

'<RoomRatesWithoutServices>&
  </RoomRatesWithoutServices>&
  <TotalBeforeTaxPayHotel AmountAfterTax="560.00" CurrencyCode="EUR"/>&
  <TotalBeforeTaxPayHotel AmountAfterTax="560.00" CurrencyCode="EUR"/>&
  <RoomRatesWithoutServices>&
</RoomRatesWithoutServices>&'

'<AnotherTag>&
  <TotalBeforeTaxPayHotel AmountAfterTax="560.00" AnotherAttr="_REPLACED_"/>&
  <TotalBeforeTaxPayHotel AmountAfterTax="560.00" AnotherAttr="_REPLACED_"/>&
  <AnotherTag>&
</AnotherTag>&'

尝试在线DEMO

正则表达式匹配（可能多个）标签对之间的所有内容

1 个答案: