Question

所以我要遍历文本，我需要替换一堆CID（在我抓取它们时不可读的字符）。我需要用正确的字符替换每个“ cid：###”。我目前遇到的问题是<s></s>中包裹了一些CID，<s>(cid:131)</s>和下一个单词之间没有空格。

因此，当我使用replace时，当我尝试将<s>(cid:131)</s>替换为▪时不起作用。当我尝试用▪替换cid：131时，得到<s>▪</s>。对于这种特殊情况，我正在尝试摆脱<s></s>（<s></s>在文档的其他位置也可以找到，我不想替换它们）。

不做任何更改：

csv_of_table = csv_of_table.replace('<s>(cid:131)</s>', '▪', regex=True)

仅更改cid：131的部分：

csv_of_table = csv_of_table.replace('cid:131', '▪', regex=True)

Answer 1

您可以使用？表示一个组可以出现0次或多次的量词。

csv_of_table = csv_of_table.replace("(<s>\()?cid:\d+(\)<\/s>)?", "▪", regex = True)