python - 双花括号之间 : replace particular text

Question

我有一个字符串 (Python 2.7.3)，它在 Django 中呈现为模板，但我认为这不是 Django 特有的。该字符串来自 docx 文件中的 document.xml 文件。我正在提取呈现它的文档 xml，并将其放回 docx 中以用于一些简单的邮件合并类型。

除了我可以使用的模板标签的明显限制之外，其中一个问题是，如果您在 Word 中编辑文本，Word 喜欢放入一大堆 xml。

为了我的需要，如果我能的话我会成功

1. 找到所有出现的"在双花括号之间并用引号替换 " .

我想替换 "与 "在类似下面的内容中:

word_docxml = 'some text here {{form.letterdate|date:"Y-m-d"}} and more text'

我正在阅读这些内容:

• Python regex to remove substrings inside curly braces
• Replace a string located between

但无法将其组合在一起。

1. 如何删除/剥离内部的所有内容，包括 < >在{{ }}之间像下面这样一团糟:

   <w:rPr>
     <w:rFonts w:eastAsia="Times New Roman" w:cs="Arial" w:ascii="Arial" w:hAnsi="Arial"/>
     <w:color w:val="00000A"/>
     <w:sz w:val="22"/>
     <w:szCs w:val="22"/>
     <w:lang w:val="en-US" w:eastAsia="en-US" w:bidi="ar-SA"/>
   </w:rPr>
   <w:t>{{form.</w:t>undefined</w:r>undefined<w:r>
   <w:rPr>
     <w:rFonts w:eastAsia="Times New Roman" w:cs="Arial" w:ascii="Arial" w:hAnsi="Arial"/>
     <w:b w:val="false"/>
     <w:bCs w:val="false"/>
     <w:color w:val="00000A"/>
     <w:sz w:val="22"/>
     <w:szCs w:val="22"/>
     <w:lang w:val="en-US" w:eastAsia="en-US" w:bidi="ar-SA"/>
   </w:rPr>
   <w:t>L</w:t>undefined</w:r>undefined<w:r>
   <w:rPr>
     <w:rFonts w:eastAsia="Times New Roman" w:cs="Arial" w:ascii="Arial" w:hAnsi="Arial"/>
     <w:color w:val="00000A"/>
     <w:sz w:val="22"/>
     <w:szCs w:val="22"/>
     <w:lang w:val="en-US" w:eastAsia="en-US" w:bidi="ar-SA"/>
   </w:rPr>
   <w:t>etterDate.value|date:"Y-m-d"}}</w:t>undefined</w:r>
   

这会导致以下结果(抱歉，我似乎无法突出显示感兴趣的区域):

<w:rPr>
  <w:rFonts w:eastAsia="Times New Roman" w:cs="Arial" w:ascii="Arial" w:hAnsi="Arial"/>
  <w:color w:val="00000A"/>
  <w:sz w:val="22"/>
  <w:szCs w:val="22"/>
  <w:lang w:val="en-US" w:eastAsia="en-US" w:bidi="ar-SA"/>
</w:rPr>
<w:t>{{form.LetterDate.value|date:"Y-m-d"}}</w:t>undefined</w:r>

如何处理这个问题？正则表达式是要走的路吗？如果是这样，如何将命令放在一起？

这不是 Between double curly braces: replace particular text 的副本因为它没有提到处理搜索范围开始和结束的双花括号(这是我真正的问题，我已经阅读了很多示例并且无法正确格式化替换模式)。另一篇文章是关于在 XHTML 中解析 html 实体的子集；我的帖子中没有要求、提及或质疑 XHTML 解析。这篇文章询问如何删除和/或替换两个其他已知开始/结束模式之间的重复模式。我提供了一个简短的背景，两个具体的例子，从简单到复杂，希望学习如何完成我当前的任务——我最大的希望是让 A 部分得到解释，并将该方法自己应用到 B 部分。我得到了聪明的讨论和 super 回复来自社区的乐于助人的成员。我的帖子根本不涉及 HTML，因为我在 Django 中呈现的模板被添加回 docx 存档并保存到文件存储中。它不是重复项(无论如何都是标记的重复项)。

Answer 1

是的，正则表达式非常适合这个!

a) 使用这个:

 re.sub(r"(\{\{[^}]+}\})", lambda m: re.sub(""", '"', m.group(1)), word_docxml)

结果:

>>> word_docxml = 'some text here {{form.letterdate|date:"Y-m-d"}} and " more text'
>>> re.sub(r"(\{\{[^}]+}\})", lambda m: re.sub(""", '"', m.group(1)), word_docxml)
'some text here {{form.letterdate|date:"Y-m-d"}} and " more text'

b)更多相同，只是匹配大括号内不同的内容；

re.sub(r"(\{\{[^}]+}\})", lambda m: re.sub("<[^>]+>", "", m.group(1)), s)

结果:

>>> s = """<w:rPr><w:rFonts w:eastAsia="Times New Roman" w:cs="Arial" w:ascii="Arial" w:hAnsi="Arial"/><w:color w:val="00000A"/><w:sz w:val="22"/><w:szCs w:val="22"/><w:US" w:eastAsia="en-US" w:bidi="ar-SA"/></w:rPr><w:t>{{form.</w:t></w:r><w:r><w:rPr><w:rFonts w:eastAsia="Times New Roman" w:cs="Arial" w:ascii="Arial" w:hAnsi="Arial"/><e"/><w:bCs w:val="false"/><w:color w:val="00000A"/><w:sz w:val="22"/><w:szCs w:val="22"/><w:lang w:val="en-US" w:eastAsia="en-US" w:bidi="ar-SA"/></w:rPr><w:t>L</w:t></w<w:rFonts w:eastAsia="Times New Roman" w:cs="Arial" w:ascii="Arial" w:hAnsi="Arial"/><w:color w:val="00000A"/><w:sz w:val="22"/><w:szCs w:val="22"/><w:lang w:val="en-US"-US" w:bidi="ar-SA"/></w:rPr><w:t>etterDate.value|date:"Y-m-d"}}</w:t></w:r>"""
>>> re.sub(r"(\{\{[^}]+}\})", lambda m: re.sub("<[^>]+>", "", m.group(1)), s)
'<w:rPr><w:rFonts w:eastAsia="Times New Roman" w:cs="Arial" w:ascii="Arial" w:hAnsi="Arial"/><w:color w:val="00000A"/><w:sz w:val="22"/><w:szCs w:val="22"/><w:lang w:val="en-US" w:eastAsia="en-US" w:bidi="ar-SA"/></w:rPr><w:t>{{form.LetterDate.value|date:"Y-m-d"}}</w:t></w:r>'

解释，因为你要求指导，而不仅仅是答案；

re.sub(r"(\{\{[^}]+}\})", lambda m: re.sub(""", '"', m.group(1)), word_docxml)

它的工作方式是首先匹配一个双括号间隔。 lambda 表达式只获取在该匹配项中找到的组并替换相关内容。

较小的正则表达式解释:

"     # Just matching that, nothing fancy

匹配标签的模式；

<     # Opening of tag
[^>]+ # Followed by 1 or more characters that are not closing tags
>     # Followed by a closing tag