Python 正则表达式向后看

Question

我有以下文字:

<clipPath id="p54dfe3d8fa">
   <path d="M 112.176 307.8 
L 112.176 307.8 
L 174.672 270 
L 241.632 171.72 
L 304.128 58.32 
L 380.016 171.72 
L 442.512 217.08 
L 491.616 141.48 
L 491.616 307.8 
z
"/>
  </clipPath>
  <clipPath id="p27c84a8b3c">
   <rect height="302.4" width="446.4" x="72.0" y="43.2"/>
  </clipPath>

我需要把这部分拿出来:

d="M 112.176 307.8 
L 112.176 307.8 
L 174.672 270 
L 241.632 171.72 
L 304.128 58.32 
L 380.016 171.72 
L 442.512 217.08 
L 491.616 141.48 
L 491.616 307.8 
z
"

我需要用其他内容替换此部分。我能够捕获全部 <clipPath ...><path d="[code i want]"/>但这对我没有帮助，因为我无法覆盖 <clipPath> 中的 ID元素。

注意还有其他<clipPath>我不想碰的元素。我只想改变<path> <clipPath> 中的元素元素。

我认为答案与选择 clipPath 元素之前的所有内容并在 Path 部分结束有关。任何帮助将不胜感激。

我一直在使用 http://pythex.org/寻求帮助，也看到了奇怪的行为(与多行和空格有关)在 python 3.x 代码之间的行为不同。

以下是我尝试过的一些方法:

reg = r'(<clipPath.* id=".*".*>)'
reg = re.compile(r'(<clipPath.* id=".*".*>\s*<path.*d="(.*\n)+")')
reg = re.compile(r'((?<!<clipPath).* id=".*".*>\s*<path.*d="(.*\n)+")')

g = reg.search(text)
g

Answer 1

正则表达式绝不是解析 xml 的正确方法。

这是一个简单的独立示例，它使用 lxml 实现:

from lxml import etree

text="""<clipPath id="p54dfe3d8fa">
   <path d="M 112.176 307.8
L 112.176 307.8
L 174.672 270
L 241.632 171.72
L 304.128 58.32
L 380.016 171.72
L 442.512 217.08
L 491.616 141.48
L 491.616 307.8
z
"/>
  </clipPath>
  <clipPath id="p27c84a8b3c">
   <rect height="302.4" width="446.4" x="72.0" y="43.2"/>
  </clipPath>"""

# This creates <metrics>
root = etree.XML("<X>"+text+"</X>")
p = root.find(".//path")
print(p.get("d"))

结果:

M 112.176 307.8 L 112.176 307.8 L 174.672 270 L 241.632 171.72 L 304.128 58.32 L 380.016 171.72 L 442.512 217.08 L 491.616 141.48 L 491.616 307.8 z 

• 首先，我创建主节点。由于有几个节点，我把它包装在任意一个主节点
• 然后我到处寻找“路径”
• 一旦找到，我就会得到 d 属性

现在我正在更改 d 的文本并将其转储:

p.set("d","[new text]")
print(etree.tostring(root))

现在的输出是这样的:

...
<path d="[new text]"/>\n
...

仍然，快速而肮脏，可能对几个 path 节点不稳健，但可以使用您提供的代码段(我不是 xml 专家，只是笨手笨脚)

顺便说一句，另一种 hacky/非正则表达式的方式:使用多字符 split:

text.split(' d="')[1].split('"/>')[0]

在 d 定界符之后取第二部分，然后在 /> 定界符之后取第一部分。保留多行格式。