Python re.sub反向引用未进行反向引用

Question

我有以下内容：

<text top="52" left="20" width="383" height="15" font="0"><b>test</b></text>

我有以下内容：

fileText = re.sub("<b>(.*?)</b>", "\1", fileText, flags=re.DOTALL)

文件中的字符串为我上面发布的那个字符串。当我运行正则表达式替换后，打印出fileText，我得到了以下结果

<text top="52" left="20" width="383" height="15" font="0"></text>

与预期不同

<text top="52" left="20" width="383" height="15" font="0">test</text>

现在我相当熟练地掌握了正则表达式，并且知道它应该起作用，实际上我知道它匹配得很好，因为当我进行搜索并打印出组时，我可以在groups中看到它，但是我对Python还不熟悉，不明白为什么反向引用不能正常工作。

- csteifel

---

通常的免责声明：使用正则表达式解析 HTML... - Daniel Roseman

不使用正则表达式解析，只需删除所有粗体标签即可。我有一个非常有限的HTML集合，以特定的方式使用，其中我知道<b>是一个叶节点。 - csteifel

Answer 1

在这里，您需要使用原始字符串，以便反斜杠不被处理为转义字符：

>>> import re
>>> fileText = '<text top="52" left="20" width="383" height="15" font="0"><b>test</b></text>'
>>> fileText = re.sub("<b>(.*?)</b>", r"\1", fileText, flags=re.DOTALL)
>>> fileText
'<text top="52" left="20" width="383" height="15" font="0">test</text>'
>>>

注意如何将"\1"更改为r"\1"。虽然这只是一个非常小的更改（一个字符），但它有很大的影响。请参见下面：

>>> "\1"
'\x01'
>>> r"\1"
'\\1'
>>>

- user2555451

---

奇怪的是，在Python 2和3中，它都没有返回完整的字符串。我只得到了替换后的文本，而不是整个字符串。 - user1467267

在解释器中测试过了，它能工作。但在执行的文件中却不行，非常奇怪 :P - user1467267

另外，双反斜杠“\1”也可以。 - Klaws