Python - 修改反向引用。可以做到吗？

Question

Python 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。

例子：

>>>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

“修改反向引用”需要重新措辞，因为您似乎混淆了这些概念。

replacement backreference 是一个特殊的字符组合，位于 字符串 内，它告诉正则表达式引擎引用一些特定的捕获组值（又名 submatches) 在匹配操作期间检索到。

当您使用r'\1'.upper() 时，您正在尝试将\1 字符串设为大写，并且由于\1 没有可大写的字母，因此您会得到\1，而这个\1 - 不变 - 是作为字符串替换模式的（部分）应用。

这就是为什么您不能以这种方式修改捕获组值的原因。

这就是为什么你必须use a callable as the replacement argument（参见Ignacio's answer）：你需要将匹配对象传递给re.sub，以便能够操纵子匹配（尽管你可以当然在反向引用中替换一两个字符，例如，r'\g<12>'.replace('2','1') 以“混淆”\g<11> 反向引用，但这个操作没有什么意义。

Answer 2

正如 Ignacio Vazquez-Abrams 所建议的，您可以通过将可调用函数传递给 re.sub() 来解决您的问题。我认为示例代码可以最好地解释它，所以你开始吧：

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

以上打印：

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。但这同样好：您可以编写一个函数来执行您想要的任何处理，然后返回您想要的任何内容，这就是re.sub() 将在最终结果中插入的内容。

请注意，您可以在函数中使用正则表达式；我只是使用了.replace() 字符串方法，因为您只想删除单个字符，而您并不需要正则表达式的全部功能。

Answer 3

来自the docs：

如果 repl 是一个函数，则每次出现 pattern 时都会调用它。该函数采用单个匹配对象参数，并返回替换字符串。例如：

并查看链接文档中包含的示例。