Python：使用正则表达式进行替换

Question

我需要替换一个字符串的一部分。我查阅了Python文档，并找到了re.sub函数。

import re
s = '<textarea id="Foo"></textarea>'
output = re.sub(r'<textarea.*>(.*)</textarea>', 'Bar', s)
print output

>>>'Bar'

我本来期望它会输出'<textarea id="Foo">Bar</textarea>'而不是'bar'。

请问有人能告诉我我做错了什么吗？

- Pickels

---

通常建议不要使用正则表达式来处理HTML。这是该网站上长期以来的回答，有一些经典的回复，其中包括这个https://dev59.com/X3I-5IYBdhLWcg3wq6do#1732454。 - hughdbrown

是的，我本来想使用正则表达式，因为它只是一个很小的部分，但最后改用了BeautifulSoup。 - Pickels

Answer 1

不要捕获你想要替换的部分，而是捕获你想要保留的部分，然后使用引用\1来引用它们并将它们包含在替换后的字符串中。

请尝试这个方法：

output = re.sub(r'(<textarea.*>).*(</textarea>)', r'\1Bar\2', s)

此外，假设这是HTML，您应该考虑使用HTML解析器完成此任务，例如Beautiful Soup。

- Mark Byers

---

我认为你的意思是 r'\1Bar\3'。 - nmichaels

如前所述，最好不要解析自己的HTML。但为了完整起见，应指出默认情况下正则表达式是贪婪的，因此在这个例子中，第一个捕获组将匹配到最后一个开放的角括号。如果字符串中包含在<textarea>标记中的标签，则它们将被包含在匹配项内。更好的做法是使用问号防止这种情况： r'(<textarea.*?>).*(</textarea>)' - Jonathan Cross

Answer 2

或者您可以使用搜索功能代替：

match=re.search(r'(<textarea.*>).*(</textarea>)', s)
output = match.group(1)+'bar'+match.group(2)
print output
>>>'<textarea id="Foo">bar</textarea>'

- Rahul Agarwal