我可以使用 re.sub （或 regexobject.sub）来替换子组中的文本吗？

Question

我需要解析一个如下所示的配置文件（简化的）：

<config>
<links>
<link name="Link1" id="1">
 <encapsulation>
  <mode>ipsec</mode>
 </encapsulation>
</link>
<link name="Link2" id="2">
 <encapsulation>
  <mode>udp</mode>
 </encapsulation>
</link>
</links>

我的目标是能够更改特定于特定链接的参数，但我无法使替换正常工作。 我有一个正则表达式，可以隔离特定链接上的参数值，其中该值包含在捕获组 1 中：

link_id = r'id="1"'
parameter = 'mode'
link_regex = '<link [\w\W]+ %s>[\w\W]*[\w\W]*<%s>([\w\W]*)</%s>[\w\W]*</link>' \
% (link_id, parameter, parameter)

因此，

print re.search(final_regex, f_read).group(1)

打印 regex howto 中的示例

似乎都假设人们想要使用捕获组在替换中，但我需要做的是替换捕获组本身（例如将 Link1 模式从 ipsec 更改为 udp）。

Answer 1

我必须强制要求您：“不要使用正则表达式来执行此操作。”

看看使用 BeautifulSoup，例如：

>>> from BeautifulSoup import BeautifulStoneSoup
>>> html = """
... <config>
... <links>
... <link name="Link1" id="1">
...  <encapsulation>
...   <mode>ipsec</mode>
...  </encapsulation>
... </link>
... <link name="Link2" id="2">
...  <encapsulation>
...   <mode>udp</mode>
...  </encapsulation>
... </link>
... </links>
... </config>
... """
>>> soup = BeautifulStoneSoup(html)
>>> soup.find('link', id=1)
<link name="Link1" id="1">
<encapsulation>
<mode>ipsec</mode>
</encapsulation>
</link>
>>> soup.find('link', id=1).mode.contents[0].replaceWith('whatever')
>>> soup.find('link', id=1)
<link name="Link1" id="1">
<encapsulation>
<mode>whatever</mode>
</encapsulation>
</link>

查看你的正则表达式，我真的无法判断这是否正是你想要做的，但无论你想要做什么，使用像 BeautifulSoup 这样的库比尝试修补要好得多一起使用正则表达式。 如果可能的话，我强烈建议走这条路。

Answer 2

这看起来像有效的 XML，在这种情况下，您不需要 BeautifulSoup，绝对不需要正则表达式，只需使用任何好的 XML 库加载 XML，编辑它并打印出来，这是使用 ElementTree 的方法：

import xml.etree.cElementTree as ET

s = """<config>
<links>
<link name="Link1" id="1">
 <encapsulation>
  <mode>ipsec</mode>
 </encapsulation>
</link>
<link name="Link2" id="2">
 <encapsulation>
  <mode>udp</mode>
 </encapsulation>
</link>
</links>
</config>
"""
configElement = ET.fromstring(s)

for modeElement in configElement.findall("*/*/*/mode"):
    modeElement.text = "udp"

print ET.tostring(configElement)

它将更改所有模式元素到udp，这是输出：

<config>
<links>
<link id="1" name="Link1">
 <encapsulation>
  <mode>udp</mode>
 </encapsulation>
</link>
<link id="2" name="Link2">
 <encapsulation>
  <mode>udp</mode>
 </encapsulation>
</link>
</links>
</config>

Answer 3

假设你的 link_regex 是正确的，你可以像这样添加括号：

(<link [\w\W]+ %s>[\w\W]*[\w\W]*<%s>)([\w\W]*)(</%s>[\w\W]*</link>)

然后你可以这样做：

p = re.compile(link_regex)
replacement = 'foo'
print p.sub(r'\g<1>' + replacement + r'\g<3>' , f_read)

Answer 4

不确定我会这样做，但最快的方法是转移捕获：

([\w\W][\w\W]<%s>)[\w \W]([\w\W])' 并替换为 group1 +mode+group2