正则表达式命名组和条件逻辑

Question

考虑以下字符串（编辑：这不是解析带有正则表达式问题的 HTML。而只是一个命名组的练习）：

s = """<T1>
        <A1>
        lorem ipsum
        </A1>
      </T1>"""

是否可以使用re.sub 和命名组将字符串转换成这个结果？

<T1>
  <test number="1">
  lorem ipsum
  </test>
</T1>

现在我有以下代码：

import re
regex = re.compile("(<(?P<end>\/*)A(?P<number>\d+)>)")
print regex.sub('<\g<end>test number="\g<number>">', s)

给出以下结果

<T1>
  <test number="1">
  lorem ipsum
  </test number="1">
</T1>

| 运算符可以像 question 那样使用吗？

Answer 1

尝试匹配整个标签。不仅是开始标签和结束标签，还包括它的内容。

正则表达式：

(<(?P<end>\/*)(A)(?P<number>\d+)>)(.*?)</\3\4>

替换字符串：

<test number="\g<number>">\5</test>

DEMO

>>> s = """<T1>
        <A1>
        lorem ipsum
        </A1>
      </T1>"""
>>> import re
>>> print(re.sub(r'(?s)(<(?P<end>\/*)(A)(?P<number>\d+)>)(.*?)</\3\4>', r'<test number="\g<number>">\5</test>', s))
<T1>
        <test number="1">
        lorem ipsum
        </test>
      </T1>

(?s) 称为 DOTALL 修饰符，它匹配使正则表达式中的点也匹配换行符。

Answer 2

您可以使用环视来匹配<T1> 和</T1> 之间的字符串：

>>> p = re.compile(ur'(?<=<T1>)[^<]+?(.+)(?=</T1>)', re.MULTILINE | re.IGNORECASE | re.DOTALL)
>>> s2='\n  <test number="1">\n  lorem ipsum\n  </test>\n'
>>> print p.sub(s2,s,re.MULTILINE)
<T1>
  <test number="1">
  lorem ipsum
  </test>
</T1>

您需要使用以下Contents：

re.IGNORECASE 执行不区分大小写的匹配；像 [A-Z] 这样的表达式也将匹配小写字母。这不受当前语言环境的影响。

re.MULTILINE 指定时，模式字符 '^' 匹配字符串的开头和每行的开头（紧跟在每个换行符之后）；并且模式字符 '$' 匹配字符串的末尾和每行的末尾（紧接在每个换行符之前）。默认情况下，'^' 仅匹配字符串的开头，而 '$' 仅匹配字符串的末尾以及字符串末尾的换行符（如果有）之前。

re.DOTALL 制作“。”特殊字符完全匹配任何字符，包括换行符；没有这个标志，'.'将匹配除换行符以外的任何内容。

Answer 3

x="""<T1>
    <A1>
    lorem ipsum
    </A1>
  </T1>"""

def repl(obj):

    if obj.group(1):
        return '/test'
    else:
        return 'test number="'+obj.group(2)+'"'

print re.sub(r"(\/*)A(\d+)",repl,x)

您可以使用re.sub提供的替换功能。