python - 使用 Pattern.sub(r'\1' 时出现错误 "sre_constants.error: unmatched group"

Question

我知道已经有几个关于这个主题的问题，但没有一个能帮助我解决我的问题。

我必须替换 CSV 文档中的姓名，当他们跟随标签 {SPEAKER} 或 {GROUP OF SPEAKERS} 时。

代码

我的脚本错误的部分是:

list_speakers = re.compile(r'^\{GROUP OF SPEAKERS\}\t(.*)|^\{SPEAKER\}\t(.*)')

usernames = set()
for f in corpus:
    with open(f, "r", encoding=encoding) as fin:
        line = fin.readline()
        while line:
            line = line.rstrip()
            if not line:
                line = fin.readline()
                continue

            if not list_speakers.match(line):
                line = fin.readline()
                continue

            names = list_speakers.sub(r'\1', line)
            names = names.split(", ")
            for name in names:
                usernames.add(name)

            line = fin.readline()

错误

但是，我收到以下错误消息:

File "/usr/lib/python2.7/re.py", line 291, in filter
    return sre_parse.expand_template(template, match)
  File "/usr/lib/python2.7/sre_parse.py", line 831, in expand_template
    raise error, "unmatched group"
sre_constants.error: unmatched group

我正在使用 Python 2.7。

我该如何解决这个问题？

Answer 1

issue is a known one : 如果组未初始化，反向引用在 Python 3.5 及以下版本中不会设置为空字符串。

您需要确保只有一个或使用 lambda 表达式作为替换参数来实现自定义替换逻辑。

在这里，您可以轻松地将正则表达式修改为具有单个捕获组的模式:

r'^\{(?:GROUP OF SPEAKERS|SPEAKER)\}\t(.*)'

参见 regex demo

详情

• ^ - 字符串的开始
• \{ - 一个{
• (?:GROUP OF SPEAKERS|SPEAKER) - 匹配 GROUP OF SPEAKERS 或 SPEAKER
的非捕获组
• \} - (也可以写成}，不需要转义)
• \t - 制表符
• (.*) - 第 1 组:除换行符以外的任何 0+ 个字符，尽可能多(行的其余部分)。