python re.sub 带变量

Question

输入文字：

Ell &#233;s la v&#237;ctima que expia els nostres pecats, i no tan sols els nostres, sin&#243; els del m&#243;n sencer.

预期输出：

Ell és la víctima que expia els nostres pecats, i no tan sols els nostres, sinó els del món sencer.

已知事实： unichr(233)=é

现在我有

re.sub('&#([^;]*);', r'unichr(int())', inputtext, flags=re.UNICODE)

当然不工作，不知道如何在

上传递函数

有什么想法吗？

Answer 1

使用 lambda function:

re.sub('&#([^;]*);', lambda match: unichr(int(match.group(1))), t, flags=re.UNICODE)

Answer 2

幸运的是，re.sub 也接受函数作为参数。该函数将收到一个 "MatchObject" -- 从那里，您可以通过 match.group(1), match.group(2) 等获得匹配的组。函数的 return 值将是替换匹配的字符串在输入文本中分组。

def fn(match):
  return unichr(int(match.group(1)))

re.sub('&#([^;]*);', fn, inputtext, flags=re.UNICODE)

如果你真的想要，你可以内联它并使用 lambda -- 但我认为 lambda 在这种情况下更难阅读¹.

顺便说一下，根据您的 python 版本，有更好的方法来取消转义 html（因为它还将处理特殊的转义序列，例如 '&'：

Python2.x

>>> import HTMLParser
>>> s = 'Ell &#233;s la v&#237;ctima que expia els nostres pecats, i no tan sols els nostres, sin&#243; els del m&#243;n sencer.'
>>> print HTMLParser.HTMLParser().unescape(s)
Ell és la víctima que expia els nostres pecats, i no tan sols els nostres, sinó els del món sencer.

Python3.x

>>> import html
>>> html.unescape(s)

reference

^{¹尤其是如果你给 fn 一个更合理的名字;-)}

python re.sub 带变量

python re.sub with variable

python

regex

Python2.x

Python3.x