python - python 2.7+ 中的组引用无效

Question

我正在尝试将我网页(在 django 中创建)中的所有 WikiLink 类型的字符串转换为 html 链接。

我正在使用下面的表达式

import re
expr = r'\s+[A-Z][a-z]+[A-Z][a-z]+\s'
repl=r'<a href="/photos/\1">\1</a>'
mystr = 'this is a string to Test whether WikiLink will work ProPerly'

parser=re.compile(expr)
parser.sub(repl, mystr)

这会返回以下字符串，并用十六进制值替换该字符串。

"this is a string to Test whether<a href='/mywiki/\x01>\x01</a>'will work<a href='/mywiki/\x01>\x01</a>'"

查看 python help对于 re.sub，我尝试将\1 更改为\g<1> 但这会导致无效的组引用错误。

请帮助我了解如何让它工作

Answer 1

这里的问题是您在 expr 中没有任何捕获的组。

无论您想将匹配的哪一部分显示为 \1，都需要放在括号中。例如:

>>> expr = r'\s+([A-Z][a-z]+[A-Z][a-z]+)\s'
>>> parser=re.compile(expr)
>>> parser.sub(repl, mystr)
'this is a string to Test whether<a href="/photos/WikiLink">WikiLink</a>will work ProPerly'

反向引用 \1 指的是匹配中的第 1 组，这是与第一个带括号的子表达式匹配的部分。同样，\2 是第 2 组，即与第二个带括号的子表达式匹配的部分，依此类推。如果你在组数少于 1 时使用 \1，一些正则表达式引擎会给你一个错误，其他人会使用文字 '\1' 字符，一个 ctrl-一种; Python 执行后者，ctrl-A 的规范表示是 '\x01'，所以这就是您这样看的原因。

第 0 组是整场比赛。但在这种情况下，这不是您想要的，因为您不希望空格成为替换的一部分。

您需要 g 语法的唯一原因是当一个简单的反向引用不明确时。例如，如果 sub 是 123\1456，则无法判断这是否意味着 123，然后是第 1 组，然后是 456，或 123 后跟组 1456，或...

Further reading on grouping and backreferences.