从 Perl 到 Python 的正则表达式翻译

Question

我想将一个小的 Perl 程序重写为 Python。 我正在用它处理文本文件，如下所示：

输入：

00000001;Root;;
00000002;  Documents;;
00000003;    oracle-advanced_plsql.zip;file;
00000004;  Public;;
00000005;  backup;;
00000006;    20110323-JM-F.7z.001;file;
00000007;    20110426-JM-F.7z.001;file;
00000008;    20110603-JM-F.7z.001;file;
00000009;    20110701-JM-F-via-summer_school;;
00000010;      20110701-JM-F-yyy.7z.001;file;

期望的输出：

00000001;;Root;;
00000002;  ;Documents;;
00000003;    ;oracle-advanced_plsql.zip;file;
00000004;  ;Public;;
00000005;  ;backup;;
00000006;    ;20110323-JM-F.7z.001;file;
00000007;    ;20110426-JM-F.7z.001;file;
00000008;    ;20110603-JM-F.7z.001;file;
00000009;    ;20110701-JM-F-via-summer_school;;
00000010;      ;20110701-JM-F-yyy.7z.001;file;

这里是有效的 Perl 代码：

#filename: perl_regex.pl
#/usr/bin/perl -w
while(<>) {                                                           
  s/^(.*?;.*?)(\w)/$1;$2/;                                            
  print $_;                                                           
}      

它从命令行调用它：perl_regex.pl input.txt

Perl 风格正则表达式的解释：

s/        # start search-and-replace regexp
  ^       # start at the beginning of this line
  (       # save the matched characters until ')' in $1
    .*?;  # go forward until finding the first semicolon
    .*?   # go forward until finding... (to be continued below)
  )
  (       # save the matched characters until ')' in $2
    \w    # ... the next alphanumeric character.
  )
/         # continue with the replace part
  $1;$2   # write all characters found above, but insert a ; before $2
/         # finish the search-and-replace regexp.

谁能告诉我，如何在 Python 中获得相同的结果？特别是对于 $1 和 $2 变量，我找不到类似的东西。

Answer 1

python 正则表达式中 s/pattern/replace/ 的替换指令是 re.sub(pattern, replace, string) 函数，或 re.compile(pattern).sub(replace, string)。在你的情况下，你会这样做：

_re_pattern = re.compile(r"^(.*?;.*?)(\w)")
result = _re_pattern.sub(r"\1;\2", line)

请注意，$1 变为 \1。至于 perl，您需要以您想要的方式迭代您的行（打开、输入文件、分割线，...）。

Answer 2

Python 正则表达式与 Perl 的非常相似，除了：

• 在 Python 中没有正则表达式文字。应该用字符串来表示。我在下面的代码中使用了r'raw string literal'。
• 反向引用表示为\1、\2、.. 或\g<1>、\g<2>、..
• ...

使用re.sub 替换。

import re
import sys

for line in sys.stdin: # Explicitly iterate standard input line by line
    # `line` contains trailing newline!
    line = re.sub(r'^(.*?;.*?)(\w)', r'\1;\2', line)
    #print(line) # This print trailing newline
    sys.stdout.write(line) # Print the replaced string back.