用正则表达式和python替换所有html href中的下划线答案

【问题标题】：Replace underscore from all html href with regex and python用正则表达式和python替换所有html href中的下划线
【发布时间】：2021-11-03 20:50:37
【问题描述】：

所以我目前正在使用python。

如何浏览 HTML 文件并替换所有出现的：

<a href="#some_snake_case_text">

并将其转换为：

<a href="#somesnakecasetext">

href里面有独立的文字吗？

所以我打算使用正则表达式，我现在已经使用了几个小时，但我没有成功匹配 href 标记之间的“_”以删除它们。 .. 我不能只匹配这个词并替换所有 cus，这实际上会替换整个文档中的所有内容，这不是预期的。

我试着用这个来计算所有的“_”

<a href=\"#(.*(_).*)+\">

或除下划线以外的所有内容：

<a href=\"#([^_]_?)+\">

然后也许替换它？！

我该怎么做？

【问题讨论】：

还请在下面为有用的答案投票，谢谢。

标签： python regex

【解决方案1】：

你可以使用re.sub:

import re
s = '<a href="#some_snake_case_text">'
new_s = re.sub('(?<=href\=")[^"]+', lambda x:''.join(x.group().split('_')), s)

输出：

'<a href="#somesnakecasetext">'

【讨论】：

【解决方案2】：

使用替换方法：

import re

def subst(x):
    return x.group().replace('_', '')

s = 'xxx <a href="#some_snake_case_text"> xxx'
p = r'<a\s+href="#[^"]*">'
print(re.sub(p, subst, s))

见Python proof.

结果：xxx <a href="#somesnakecasetext"> xxx

解释

--------------------------------------------------------------------------------
  <a                       '<a'
--------------------------------------------------------------------------------
  \s+                      whitespace (\n, \r, \t, \f, and " ") (1 or
                           more times (matching the most amount
                           possible))
--------------------------------------------------------------------------------
  href="#                  'href="#'
--------------------------------------------------------------------------------
  [^"]*                    any character except: '"' (0 or more times
                           (matching the most amount possible))
--------------------------------------------------------------------------------
  ">                       '">'

【讨论】：