1

我需要根据 pdf 文件规范匹配名称对象。但是，名称可能包含十六进制数字（以# 开头）来指定特殊字符。我想将这些匹配翻译成相应的字符。有没有一种巧妙的方法可以在不重新解析匹配字符串的情况下做到这一点？

import re

Name = re.compile(r'''
    (/                                        # Literal "/"
        (?:                                   #
            (?:\#[A-Fa-f0-9]{2})              # Hex numbers
            |                                 # 
            [^\x00-\x20 \x23 \x2f \x7e-\xff]  # Other
        )+                                    #
    )                                         #
    ''', re.VERBOSE)

#  some examples

names = """
    The following are examples of valid literal names:

    Raw string                       Translation

    1.  /Adobe#20Green            -> "Adobe Green"
    2.  /PANTONE#205757#20CV      -> "PANTONE 5757 CV"
    3.  /paired#28#29parentheses  -> "paired( )parentheses"
    4.  /The_Key_of_F#23_Minor    -> "The_Key_of_F#_Minor"
    5.  /A#42                     -> "AB"
    6.  /Name1
    7.  /ASomewhatLongerName
    8.  /A;Name_With-Various***Characters?
    9.  /1.2
    10. /$$
    11. /@pattern
    12. /.notdef
    """
4

2 回答 2

1

看看re.sub。

您可以将其与函数一起使用，以匹配十六进制 '#[0-9A-F]{2}' 数字并使用函数翻译这些数字。

例如

def hexrepl(m):
    return chr(int(m.group(0)[1:3],16))

re.sub(r'#[0-9A-F]{2}', hexrepl, '/Adobe#20Green')

将返回“/Adobe Green”

于 2013-06-17T10:13:23.753 回答
1

我会使用finditer()包装器生成器：

import re
from functools import partial

def _hexrepl(match):
    return chr(int(match.group(1), 16))
unescape = partial(re.compile(r'#([0-9A-F]{2})').sub, _hexrepl)

def pdfnames(inputtext):
    for match in Name.finditer(inputtext):
        yield unescape(match.group(0))

演示：

>>> for name in pdfnames(names):
...     print name
... 
/Adobe Green
/PANTONE 5757 CV
/paired()parentheses
/The_Key_of_F#_Minor
/AB
/Name1
/ASomewhatLongerName
/A;Name_With-Various***Characters?
/1.2
/$$
/@pattern
/.notdef

据我所知，没有比这更聪明的方法了；re引擎不能以其他方式组合替换和匹配。

于 2013-06-17T10:19:39.007 回答