正则表达式用原始字符替换“转义的”字符

Question

我不使用正则表达式解析大量的html或通用html。我知道那很不好TL; DR：我有像A sentence with an exclamation\! Next is a \* character原始标记中有“转义”字符的位置。我希望用他们的“原著”代替它们。并获得：A sentence with an exclamation! Next is a * character我需要从一些Wiki标记中提取少量数据。我在这里只处理段落/摘要，因此不需要强大的强大解决方案。在python中，我尝试了一个测试：s = "test \\* \\! test * !! **"r = re.compile("""\\.""") # Slash followed by anythingr.sub("-", s)应该这样：test - - test * !! **但是它什么也没做。我在这里想念什么吗？此外，我不确定如何用其原始字符替换任何给定的转义字符，因此我可能只用特定的正则表达式列出和子目录，例如：\\\*和\\!可能有一种更清洁的方法来执行此操作，因此非常感谢您的帮助。

Answer 1

您缺少某些内容，即r前缀：

r = re.compile(r"\\.") # Slash followed by anything

python和re将含义附加到\; 当您将字符串值传递给时re.compile()，您加倍的反斜杠将变成一个反斜杠，此时re将看到\.，表示字面句号。

>>> print """\\."""

\.

通过使用r''您告诉python不要解释转义码，因此现在re给了一个带的字符串\\.，表示文字反斜杠后跟任何字符：

>>> print r"""\\."""

\\.

演示：

>>> import re

>>> s = "test \\* \\! test * !! **"

>>> r = re.compile(r"\\.") # Slash followed by anything

>>> r.sub("-", s)

'test - - test * !! **'

经验法则是：在定义正则表达式时，请使用r''原始字符串文字，从而使您不必对所有对Python和正则表达式语法均有意义的内容进行两次转义。

接下来，您要替换“转义”字符；为此，请使用组，re.sub()让您引用组作为替换值：

r = re.compile(r"\\(.)") # Note the parethesis, that's a capturing group

r.sub(r'\1', s)          # \1 means: replace with value of first capturing group

现在的输出是：

>>> r = re.compile(r"\\(.)") # Note the parethesis, that's a capturing group

>>> r.sub(r'\1', s) 

'test * ! test * !! **'