Question

Python的新手，请原谅我的无知。我正在尝试修改正则表达式中的反向引用字符串。

示例：

>>>a_string
'fsa fad fdsa dsafasdf u.s.a. U.S.A. u.s.a fdas adfs.f fdsa f.afda'
>>> re.sub(r'(?<=\s)(([a-zA-Z]\.)+[a-zA-Z]\.{0,1})(?=\s)', '<acronym>'+re.sub(r'\.',r'',(r'\1').upper())+'</acronym>', a_string)
'fsa fad fdsa dsafasdf <acronym>u.s.a.</acronym> <acronym>U.S.A.</acronym> <acronym>u.s.a</acronym> fdas adfs.f fdsa f.afda'

而不是我想要的输出：

'fsa fad fdsa dsafasdf <acronym>USA</acronym> <acronym>USA</acronym> <acronym>USA</acronym> fdas adfs.f fdsa f.afda'

感谢您的帮助。

Answer 1

来自the docs：

如果 repl 是一个函数，则会为 pattern 的每次非重叠事件调用它。该函数接受单个匹配对象参数，并返回替换字符串。例如：

并查看链接文档中包含的示例。

Answer 2

正如Ignacio Vazquez-Abrams建议的那样，您可以通过将可调用函数传递给re.sub()来解决您的问题。我认为示例代码会解释得最好，所以在这里：

import re

s = "fsa fad fdsa dsafasdf u.s.a. U.S.A. u.s.a fdas adfs.f fdsa f.afda"

s_pat = r'(?<=\s)(([a-zA-Z]\.)+[a-zA-Z]\.{0,1})(?=\s)'
pat = re.compile(s_pat)

def add_acronym_tag(match_object):
    s = match_object.group(0)
    s = s.replace('.', '').upper()
    return "<acronym>%s</acronym>" % s

s = re.sub(pat, add_acronym_tag, s)
print s

以上版画：

fsa fad fdsa dsafasdf <acronym>USA</acronym> <acronym>USA</acronym> <acronym>USA</acronym> fdas adfs.f fdsa f.afda

所以你实际上并没有修改反向引用，因为字符串是不可变的。但这也很好：你可以编写一个函数来进行你想要的任何处理，然后返回你想要的任何内容，这就是re.sub()将在最终结果中插入的内容。

请注意，您可以在函数内使用正则表达式;我只是使用.replace()字符串方法，因为你只想摆脱一个字符，而你真的不需要正则表达式的全部功能。

Answer 3

“ 修改反向引用”需要重新措辞，因为您似乎对这些概念感到困惑。

replacement backreference是特殊的字符组合，位于 string 中，它告诉正则表达式引擎引用某些特定的捕获组值（又名子匹配）。

使用r'\1'.upper()时，您尝试使\1字符串大写，并且由于\1没有大写字母，因此得到\1，并且此\1-不变-用作字符串替换模式（的一部分）。

这就是为什么您不能以这种方式修改捕获组值的原因。

这就是为什么必须use a callable as the replacement argument（请参阅Ignacio's answer）的原因：您需要将match对象传递到re.sub才能操纵子匹配（尽管您当然可以在反引用中替换一个或两个字符，例如将r'\g<12>'.replace('2','1')替换为“模糊化” \g<11>的反向引用，但是此操作几乎没有意义。）

Python - 修改反向引用。可以吗？

3 个答案: