Question

目前正在使用re.sub(re.escape("andrew)"), "SUB", stringVar)

预期行为：

stringVar = " andrew) "
re.sub(re.escape("andrew)"), "SUB", stringVar) # Returns " SUB "

意外行为：

stringVar = "zzzandrew)zzz"
re.sub(re.escape("andrew)"), "SUB", stringVar) # Returns "zzzSUBzzz"

因此我尝试使用单词边界来修复“zzzandrew）zzz”，但是我的修复打破了我的基本情况。

stringVar = " andrew) "
re.sub(r'\b%s\b' % re.escape("andrew)"), "SUB", stringVar) # Breaks and returns the original stringVar

来自：https://docs.python.org/2.0/ref/strings.html - ＆gt;原始字符串并对反斜杠转义序列使用不同的规则。那么除了re.escape我该怎么办？

Answer 1

来自python re模块docs

\ B'/ P>
匹配空字符串，但仅匹配单词的开头或结尾。   一个单词被定义为一个字母数字或下划线字符序列，   所以一个单词的结尾用空格或非字母数字表示，   非下划线的角色。请注意，正式地，\ b被定义为   \ w和\ W字符之间的边界（反之亦然），或\ w之间的边界   和字符串的开头/结尾，所以精确的字符集   被认为是字母数字取决于UNICODE和的值   LOCALE标志。例如，r＆＃39; \ bfoo \ b＆＃39;匹配＆＃39; foo＆＃39;，＆＃39; foo。＆＃39;，＆＃39;（foo）＆＃39;，   ＆＃39;栏   foo baz＆＃39;但不是＆＃39; foobar＆＃39;或者＆＃39; foo3＆＃39;。

在你的情况下，单词边界被识别为andrew和），这是第一个非字母数字非下划线字符。下面的示例说明了如果您包含或排除＆＃39;）等情况会发生什么？逃脱。

>>> stringVar = " andrew) "
>>> re.sub(r'\b%s\b' % re.escape("andrew)"), "SUB", stringVar)
' andrew) '
>>> re.sub(r'\b%s\b' % re.escape("andrew"), "SUB", stringVar)
' SUB) '
>>> stringVar = "zzzandrew)zzz"
>>> re.sub(r'\b%s\b' % re.escape("andrew"), "SUB", stringVar)
'zzzandrew)zzz'

如果你必须使用＆＃39;）＆＃39;作为逃脱的一部分，您可以使用如下所示的正向前瞻断言，如果在＆＃39; andrew）＆之后有空格（\ s）或非字母数字字符（\ W），则匹配＃39;

>>> stringVar = " andrew) "
>>> re.sub(r'\b%s(?=\s)' % re.escape("andrew)"), "SUB", stringVar)
' SUB '
>>> stringVar = "zzzandrew)zzz"
>>> re.sub(r'\b%s(?=\s)' % re.escape("andrew)"), "SUB", stringVar)
'zzzandrew)zzz'
>>> stringVar = " andrew) "
>>> re.sub(r'\b%s(?=\W)' % re.escape("andrew)"), "SUB", stringVar)
' SUB '
>>> stringVar = "zzzandrew)zzz"
>>> re.sub(r'\b%s(?=\W)' % re.escape("andrew)"), "SUB", stringVar)
'zzzandrew)zzz'

Python正则表达式中的反斜杠转义序列和单词边界

1 个答案: