正则表达式将“转义”字符替换为其原始字符

Question

注意：我没有用正则表达式解析很多或 html 或通用 html。我知道那很糟糕

TL;DR：

我有类似的字符串

A sentence with an exclamation\! Next is a \* character

原始标记中有“转义”字符的地方。我希望用他们的“原件”替换它们。并得到：

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/sn-ps，所以我不需要一个强大的解决方案。在python中，我尝试了一个测试：

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

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

r.sub("-", s)

这应该是：

test - - test * !! **

但它什么也没做。我在这里遗漏了什么吗？

此外，我不确定如何将任何给定的转义字符替换为其原始字符，因此我可能只会使用特定的正则表达式创建一个列表和子项，例如：

\\\*

和

\\!

可能有一种更简洁的方法可以做到这一点，因此非常感谢任何帮助。

Answer 1

你遗漏了一些东西，即r 前缀：

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

python和re都赋予\含义；当您将字符串值传递给re.compile() 时，您的双反斜杠变成了一个反斜杠，此时re 看到\.，这意味着一个字面句号。：

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

通过使用r''，你告诉python不要解释转义码，所以现在re被赋予一个带有\\.的字符串，这意味着一个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，使用r'' 原始字符串字面量，这样您就不必双重转义对 Python 和正则表达式语法都有意义的所有内容。

接下来，您要替换“转义”字符；为此使用组，re.sub() 允许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 * !! **'