Python 正则表达式在括号外多次出现

Question

我想搜索并替换 <> 之外的所有匹配项。我可以假设所有括号都匹配。例如，我想用“*”替换“BLOCK”:

BLOCKaaa<BLOCKaaaa>aaaaa<>BLOCKzzzBLOCKBLOCK

会变成:

*aa<BLOCKaaaa>aaaaa<>*zzz**

我尝试了以下方法:

-在行首添加>，在行尾添加<，称其为LINEwith><

-运行:

re.sub('(>[^<>]*)(BLOCK)+? ([^<>]*<?)', '\\1*\\3', LINEwith><)

但它给了我这个:

'>*aaa<BLOCKaaaa>aaaaa<>BLOCKzzzBLOCK*<'

我不确定如何替换 ><

之间的所有匹配项

有人可以帮我解决这个问题吗？或者建议更好的方法。

Answer 1

因为您可以假设括号总是匹配的，所以以下应该有效。

re.sub(r'BLOCK(?=[^>]*(<|$))', '*', line)

这还假定不能有嵌套的括号。

这使用前瞻来确保没有 >下一个 < 之前的字符字符或字符串的结尾。由于使用了前瞻，因此正则表达式实际匹配的唯一文本是 BLOCK , 所以替换简化为 '*'因为不再有任何捕获组。

这里是一个版本，最多可以使用一层嵌套括号:

BLOCK(?=([^<>]*(<(<[^>]*>|[^<>])*>)?)*$)

例子:

>>> p = re.compile(r'BLOCK(?=([^<>]*(<(<[^>]*>|[^<>])*>)?)*$)')
>>> p.sub('*', 'BLOCK<BLOCK<BLOCK>>BLOCK<BLOCK>BLOCKzzzBLOCKBLOCK')
'*<BLOCK<BLOCK>>*<BLOCK>*zzz**'

如您所见，正则表达式并不真正适合嵌套数据结构。