python re sub 与 findall

Question

我的代码:

import urllib
import re
xml = urllib.urlopen('url').read()

我有兴趣从 xml 文件中删除某些标签及其内容，因此，我尝试使用正则表达式。

例如:

re.findall(r'<fig(.*?)</fig>', xml, re.DOTALL)

返回匹配项且非空。

但是，

re.sub(r'<fig(.*?)</fig>', ' ', xml, re.DOTALL)

不执行任何操作，xml 字符串未更改。我很困惑为什么，请帮忙。

Answer 1

re.sub的第四个参数不是flags，而是counts。 re.DOTALL 的值是 16(至少在 Python 2.7/3.4 中)。因此 re.sub(.., re.DOTALL) 只会替换 16 次。

指定 flags 作为关键字参数将解决您的问题:

re.sub(r'<fig(.*?)</fig>', ' ', xml, flags=re.DOTALL)

除此之外，re.sub 返回替换的字符串，而不是就地更改第三个参数。确保您已分配回函数的返回值。