0

当我尝试用另一个字符串替换一个字符串时,re.sub 方法并不总是发生这种情况。

sentence = '<date>2004/12/01</date>T09:38:27+01:00'+
           'Wed, <date>2012/9/05</date> 10:55:17 UTC %3C%3C%3C'

time_identifier = u'(?<=[\s\.,T])([\d]{2}[:]{1}[\d]{2}([:]{1}[\d]{2})*[\s\.,+]*(UTC|GMT|CEST|EDT|IST|BST)*(\d\d:\d\d)*)(?=[\s\.,T]|\Z)|'\
                  u'(?<=\A)([\d]{2}[:]{1}[\d]{2}([:]{1}[\d]{2})*[\s\.,+]*(UTC|GMT|CEST|EDT|IST|BST)*(\d\d:\d\d)*)(?=[\s\.,T]|\Z)'
time = re.search(time_identifier, sentence, flags=re.U|re.I)
    if time:
        try:
            sentence = re.sub(time.groups()[0], '<time>%s</time>'%time.groups()[0], sentence, flags=re.U|re.I)
        except:
            sentence = re.sub(time.groups()[4], '<time>%s</time>'%time.groups()[4], sentence, flags=re.U|re.I)

对于上面提供的示例,我希望句子的输出是

<date>2004/12/01</date>T<time>09:38:27+01:00<time>
Wed, <date>2012/9/05</date> <time>10:55:17 UTC</time> %3C%3C%3C

但是 re.sub 方法不会将原句中的“09:38:27+01:00”替换为

"<time>09:38:27+01:00</time>"

任何人都可以请澄清原因吗?

4

2 回答 2

3

你的表达方式非常复杂。以下是匹配完全相同模式的简化:

time_identifier = u'(?:(?<=[\s\.,T])|\A)(\d\d:\d\d(:\d\d)*[\s\.,+]*(UTC|GMT|CEST|EDT|IST|BST)*(\d\d:\d\d)*)(?=[\s\.,T]|\Z)'

由于前瞻断言((?=[\s\.,T]|\Z)部分),您的时间字符串不匹配;它将匹配限制为后面跟空格、句号、逗号、字母T或字符串结尾的任何内容。您的第一个字符串紧跟Wed在句子中;没有空格。

以下sentence确实匹配:

sentence = ('<date>2004/12/01</date>T09:38:27+01:00 '
            'Wed, <date>2012/9/05</date> 10:55:17 UTC %3C%3C%3C')

请注意时区后的额外空间。

于 2012-10-19T15:14:11.650 回答
1

你在这里有几个问题。首先,您的模式非常复杂。其次,您不能执行以下操作:

re.sub('09:38:27+01', "<time>'09:38:27+01'</time>, s)

因为由于加号,字符串s与模式不匹配(我假设您的组包含正确的时间),因此不会标记字符串的一部分。这回答了你的问题。

以下适用于您的示例数据(尽管我可能过度简化了初始模式):

p = '((?:\\d{2}:\\d{2}:\\d{2}\\+\\d{2}:\\d{2})|(?:\\d{2}:\\d{2}:\\d{2} UTC|GMT|CEST|EDT|IST|BST))'
result = re.findall(p, s)
print result
['09:38:27+01:00', '10:55:17 UTC']
r0 = result[0]
r0 = re.sub('\+', r'\+', r0)
s = re.sub(r0, "<time>%s</time>" % result[0], s)
s = re.sub(result[1], "<time>%s</time>" % result[1], s)
print s
'<date>2004/12/01</date>T<time>09:38:27+01:00</time>Wed, <date>2012/9/05</date> <time>10:55:17 UTC</time> %3C%3C%3C'

希望能帮助到你。

于 2012-10-19T16:39:08.910 回答