为re.sub替换参数转义Python正则表达式字符串？ [复制]

Posted 2023-03-28

【中文标题】为re.sub替换参数转义Python正则表达式字符串？ [复制]

【英文标题】：Python regex string escaping for re.sub replace argument? [duplicate]

【发布时间】：2020-02-06 08:22:59

【问题描述】：

使用re 模块可以对替换模式使用转义。例如：

def my_replace(string, src, dst):
    import re
    return re.sub(re.escape(src), dst, string)

虽然这在大多数情况下都有效，但 dst 字符串可能包括 "\\9" 等。

这会导致问题：

\\1、\\2 ... 等在dst 中，文字将被解释为组。 使用re.escape(dst) 会导致. 更改为\.。

有没有办法在不引入多余字符转义的情况下转义目的地？

---

示例用法：

>>> my_replace("My Foo", "Foo", "Bar")
'My Bar'

到目前为止，一切都很好。

---

>>> my_replace("My Foo", "Foo", "Bar\\Baz")
...
re.error: bad escape \B at position 3

这试图将\B 解释为具有特殊含义。

---

>>> my_replace("My Foo", "Foo", re.escape("Bar\\Baz"))
'My Bar\\Baz'

有效！

---

>>> my_replace("My Foo", "Foo", re.escape("Bar\\Baz."))
'My Bar\\Baz\\.'

. 在我们不想要的时候被转义。

---

虽然在这种情况下可以使用str.replace，但关于目标字符串的问题仍然有用，因为有时我们可能想要使用re.sub 的其他功能，例如忽略大小写的能力。

【问题讨论】：

我不确定我是否理解这个问题 - 你能举一个示例字符串，src，dst 来演示它吗？

看起来你真正想要的是src.replace(r'\', r'\\')，因为你似乎不想替换.。

@metatoaster 你是说dst 吗？ - 如果这避免了所有可能的解释，那么是的。

@ideasman42 是的。如果你只想要这个角色，这将是一种方式。如果您想从这个子集中进行多项修改，使用str.translate 可能更可取。最好的方法是创建一些测试用例（将它们添加到您的单元测试模块中）以形式化您要解决的问题。

@ideasman42 你有没有在不替换 dst 变量的情况下得到解决方案。在我的情况下，捕获组被视为没有 re.escape()

的文字

【参考方案1】：

如果您只是删除 re.escape，您的代码可以正常工作，我不确定我们为什么会这样：

测试 1

import re 

def my_replace(src, dst, string):
    return re.sub(src, dst, string)


string = 'abbbbbb'
src = r'(ab)b+'
dst = r'\1z'

print(my_replace(src, dst, string))

输出 1

abz

测试 2

import re


def my_replace(src, dst, string):
    return re.sub(src, dst, string)


string = re.escape("abbbbbbBar\\Baz")
src = r'(ab)b+'
dst = r'\1z'

print(my_replace(src, dst, string))

输出 2

abzBar\Baz

测试 3

import re


def my_replace(src, dst, string):
    return re.sub(src, dst, string)


string = re.escape("abbbbbbBar\\Baz")
src = r'(ab)b+'
dst = r'\1' + re.escape('\\z')

print(my_replace(src, dst, string))

输出 3

ab\zBar\\Baz

测试 4

要构造dst，我们必须首先知道在这种情况下我们是否会用任何捕获组（例如\1）替换我们的字符串。我们不能re.escape\1，否则我们会将我们的字符串替换为\\1，如果有捕获组，我们必须构造替换，然后将其附加到需要重新转义的任何其他部分。

import re


def my_replace(src, dst, string):
    return re.sub(src, dst, string)


string = re.escape("abbbbbbBar\\Baz")
src = r'(ab)b+'
dst = r'\1' + re.escape('\9z')

print(my_replace(src, dst, string))

输出 4

ab\9zBar\\Baz

【讨论】：

需要转义，因为我无法控制参数。它们可能包含需要解释为文字的特殊字符。

测试2，正在解释目的地，尝试：dst = r'\9z'

【参考方案2】：

你可以诉诸拆分：

haystack = r"some text with stu\ff to replace"
needle = r"stu\ff"
replacement = r"foo.bar"

result = replacement.join(re.split(re.escape(needle), haystack))
print(result)

这也适用于干草堆的开头或结尾处的针。

【参考方案3】：

在这种情况下，只有反斜杠被解释为特殊字符，因此您可以在目标参数中使用简单的替换来代替 re.escape。

def my_replace(string, src, dst):
    import re
    return re.sub(re.escape(src), dst.replace(r"\", r"\\"), string)