python正则表达式中的特殊字符问题

Question

我在 xml 文件上应用一些正则表达式来查找和替换值。通常它可以工作。（我听到有人说“使用 xml 解析器”。同时我不能。）但是如果值中有特殊字符，它就会毁掉一切。

认为我有一个如下所示的 xml 文件：

<fieldset>
  <idle1>
     <value>something\\n</value>
  </idle1>
  <idle2>
    <value>blabla</value>
  </idle2>
</fieldset>

如果我尝试替换“”节点中的值，则“<”的值/code>”节点变为“something\n”。当涉及到写入文件时，xml 变成：

    <fieldset>
      <idle1>
         <value>something
</value>
      </idle1>
      <idle2>
        <value>blabla</value>
      </idle2>
    </fieldset>

在搜索和替换中我都使用“r”字符串文字。但它似乎不起作用。我解决问题。对于每次搜索和替换，我将“\n”替换为“\\n”，然后将结果写入文件。但这并不是一种有效的使用方式。

有什么我看不到的吗？我只想将“\\n”写入文件。难道我就这么想要吗？

编辑：这是我的正则表达式'：

用于搜索：

self.searchPattern=(<fieldset>)(.*?)(<idle2>)(.*?)(<value>)(.*?)(</value>)(.*?)(</idle2>)(.*?)(</fieldset>)

用于替换：

self.replacePattern=`\g<1>\g<2>\g<3>\g<4><value>denemeasdasd\\\\n</value>\g<8>\g<9>\g<10>\g<11>`

这是用于搜索的python代码：

self.pattern = re.compile(r''''''+self.searchPattern+'''''', flags = re.S | re.U)

这是用于替换

outtext = self.pattern.sub(r''''''+self.replacePattern+'''''',r''''''+self.match.group(0)+'''''')

Answer 1

我不明白你的解释。

就我个人而言，我写了这个：

import re

RE = ('(^([ \t]+)<(idle2)>(?:\n|\r\n?)[ \t]+<value>)'
      '(.*?)'
      '(?=</value>(?:\n|\r\n?)\\2</\\3>)')

print repr(ch),'\n'
print ch
print '\n-------------------------------------------------'
print repr(re.sub(RE,'\\1AAA',ch,flags = re.M)) , '\n'
print re.sub(RE,'\\1-----HHHHHHXXXXXXX-------',ch,flags = re.M)

结果

'<fieldset>\n  <idle1>\n    <value>something\\n</value>\n  </idle1>\n  <idle2>\n    <value>blabla</value>\n  </idle2>\n</fieldset>'

<fieldset>
  <idle1>
    <value>something\n</value>
  </idle1>
  <idle2>
    <value>blabla</value>
  </idle2>
</fieldset>

-------------------------------------------------
'<fieldset>\n  <idle1>\n    <value>something\\n</value>\n  </idle1>\n  <idle2>\n    <value>AAA</value>\n  </idle2>\n</fieldset>'

<fieldset>
  <idle1>
    <value>something\n</value>
  </idle1>
  <idle2>
    <value>-----HHHHHHXXXXXXX-------</value>
  </idle2>
</fieldset>

是你想要的吗？

Answer 2

我发现在处理不可预测的数据源时最好将有效字符列入白名单。
因此，与您正在进行的任何其他正则表达式替换一起，删除任何未列入白名单的内容，即 az 0-9 : , 。 -

查看您的数据并确定适合您的任务的白名单。