记录几个python正则相关的问题-代码狗

重要：本文最后更新于2023-01-01 09:18:54，某些文章具有时效性，若有错误或已失效，请在下方留言或联系代码狗。

最近在写采集站的python程序的时候，遇到几个小问题，虽然问题小，但还是挺磨人的，这里记录一下，以便查阅，再次吐槽下百度搜索环境，真的是各种抄，正经答案搜不出来。

正则贪婪模式：默认情况下python的re模块正则默认使用贪婪匹配，如果你发现匹配结果不正确，可以尝试在正则后面加上?来取消贪婪模式。

例如下面是一个匹配<pre>标签内容的正则

复制

<pre.*>(.*)</pre>

如果你的内容中有多个pre标签，很有可能只得到一个结果，正确的正则应取消贪婪匹配，如下

复制

<pre.*?>(.*?)</pre>

正则替换时，路径带有\导致正则报错。

例如：使用如下代码替换时，会报错，原因是路径中的\被识别为转义

复制

data="""<pre>$$$###</pre>"""
regex = '<pre.*?>(.*?)</pre>'
r=re.sub(regex,"<mypre>Me\Task\DeferredServiceLis</mypre>",data,1,re.DOTALL)

正确做法，应将替换内容用repr函数转换下

复制

data="""<pre>$$$###</pre>"""
regex = '<pre.*?>(.*?)</pre>'
r=re.sub(regex,repr("<mypre>Me\Task\DeferredServiceLis</mypre>"),data,1,re.DOTALL)

上面的办法还不够保险，可以使用lambda m: z，实测非常完美，示例如下

复制

data="""<pre>$$$###</pre>"""
regex = '<pre.*?>(.*?)</pre>'
z="<mypre>Me\Task\DeferredServiceLis</mypre>"
r=re.sub(regex,lambda m: z,data,1,re.DOTALL)

让代码更简单