Python re.sub 字符串上的多行

Posted 2023-02-23

【中文标题】Python re.sub 字符串上的多行

【英文标题】：Python re.sub multiline on string

【发布时间】：2016-02-26 16:12:43

【问题描述】：

我尝试使用标志 re.MULTILINE。

我阅读了这些帖子：Bug in Python Regex? (re.sub with re.MULTILINE)、Python re.sub MULTILINE caret match，但它不起作用。 代码：

import re
if __name__ == '__main__':

    txt = "\n\
<?php\n\
/* Multi-line\n\
comment */\n\
$var = 1;\n"
    new_txt = re.sub(r'\/\*[.\n]*?\*\/', '', txt, flags=re.MULTILINE)
    print("\n=========== TXT ============")
    print(txt)
    print("\n=========== NEW TXT ============")
    print(new_txt)

代码输出：

=========== TXT ============

<?php
/* Multi-line
comment */
$var = 1;


=========== NEW TXT ============

<?php
/* Multi-line
comment */
$var = 1;

但new_txt不应包含多行注释。 我想获得没有多行注释的 txt。你有什么想法吗？

【问题讨论】：

你需要使用re.S标志而不是re.M，并将点放在字符类之外。

基本上您希望[.\n] 匹配除*/ 之外的任何内容，对吗？为什么不使用[^\*\/]+？这将使\/\*[^\*]*\*\/ 匹配您的多行注释而没有标志。

【参考方案1】：

您需要将re.MULTILINE 替换为re.DOTALL/re.S，并将句点移出字符类之外，点匹配文字.。

请注意，re.MULTILINE 仅重新定义了 ^ 和 $ 的行为，它们被强制匹配在 行 的开头/结尾而不是整个字符串。 re.DOTALL 标志重新定义了模式内. 的行为仅在字符类之外。它也开始匹配换行符。

因此，您可以在当前示例中使用的正则表达式：/\*.*?\*/。它将文字/* 与/\* 匹配，然后.*? 匹配尽可能少的任何符号，直至*/（与\*/ 匹配）。

查看代码演示：

txt = """\n\
<?php\n\
/* Multi-line\n\
comment */\n\
$var = 1;\n"""
new_txt = re.sub(r'/\*.*?\*/', '', txt, flags=re.S)
print("\n=========== TXT ============")
print(txt)
print("\n=========== NEW TXT ============")
print(new_txt)

见IDEONE demo

但是，这不是最好的解决方案，因为在大多数情况下，多行 cmets 很长。最好的是 unrolling-the-loop 技术。上面的正则表达式可以像这样“展开”：

/\*[^*]*(?:\*(?!/)[^*]*)*\*/

见regex demo

【讨论】：

感谢您的出色回应和干净的正则表达式！

仅供参考：此解决方案不支持嵌套的多行 cmets。

@alexroat 如果您需要更好的性能，请使用/\*[^*]*(?:\*(?!/)[^*]*)*\*/