Python + 正则表达式 + 将模式替换为该模式的多个副本

Question

我必须从用户那里获取一个字符串并对其进行格式化，以便它对于某些命令行消耗来说是可以接受的。基本上，我需要用两个反斜杠替换双引号 (") 之前的所有反斜杠。我可以使用此正则表达式找到模式:

import re

pattern = '\\\\+"'
string = "\\\\\\\" asdf \\\" \\ \\ \\\\\""

print string, "\n"
matches = re.findall(pattern, string)

但是现在我有了这些匹配项，如何用它们自身的双副本替换它们？因此，引号前面的 3 个反斜杠必须变为 6，第 1 个斜杠变为 2，2 个变为 4。不在引号前面的斜杠保持相同的长度。

对此的任何建议将不胜感激。

谢谢。

Answer 1

您应该使用单引号、原始字符串和re.sub:

string = r'\\\" asdf \" \ \ \\"'
new_string = re.sub(r'(\\+)"', r'\1\1"', string)
print(new_string)

输出:

\\\\\\" asdf \\" \ \ \\\\"

<小时/>

模式

为了解释这个模式，首先我们删除括号；它们不会影响匹配的内容，我们稍后会将它们放回去。模式 r'\\+"' 表示“一个或多个反斜杠后跟一个双引号”。即使它是一个原始字符串，我们仍然必须转义反斜杠，因为反斜杠在正则表达式；这就是为什么它是 r'\\+"' 而不是 r'\+"'。

括号

实际模式中 \\+ 周围的括号仅表示“捕获这些括号内的匹配部分”。这会将本次匹配中所有反斜杠的子字符串放入捕获组中。我们将在替换字符串中使用此捕获组。

替换字符串

替换字符串 r'\1\1"' 只是表示“第一个捕获组的两个副本，后跟双引号”(在本例中只有一个捕获组，但可以有更多).替换字符串有双引号的原因是因为匹配有双引号;因为整个匹配都被替换字符串替换，如果替换字符串没有双引号，双引号将被删除。