python正则表达式转义字符

我们有：

>>> str
'exit\r\ndrwxr-xr-x    2 root     root            0 Jan  1  2000 
\x1b[1;34mbin\x1b[0m\r\ndrwxr-xr-x    3 root     root           
0 Jan  1  2000 \x1b[1;34mlib\x1b[0m\r\ndrwxr-xr-x   10 root     
root            0 Jan  1  1970 \x1b[1;34mlocal\x1b[0m\r\ndrwxr-xr-x    
2 root     root            0 Jan  1  2000 \x1b[1;34msbin\x1b[0m\r\ndrwxr-xr-x    
5 root     root            0 Jan  1  2000 \x1b[1;34mshare\x1b[0m\r\n# exit\r\n'

>>> print str
exit
drwxr-xr-x    2 root     root            0 Jan  1  2000 bin
drwxr-xr-x    3 root     root            0 Jan  1  2000 lib
drwxr-xr-x   10 root     root            0 Jan  1  1970 local
drwxr-xr-x    2 root     root            0 Jan  1  2000 sbin
drwxr-xr-x    5 root     root            0 Jan  1  2000 share
# exit

我想用regexp摆脱所有的'\xblah[0m'废话。我已经试过了

re.sub(str, r'(\x.*m)', '')

---

但这并没有奏效。有什么想法吗？

您需要进行以下更改：

• 避开反斜杠
• 切换到非贪婪匹配。否则，第一个

  \x

  和最后一个

  m

  之间的所有内容都将被删除，当出现多个匹配时，这将是一个问题
• 参数的顺序不正确

结果:

re.sub(r'(\\x.*?m)', '', str)

您有几个问题：

• 您以错误的顺序将参数传递给re.sub。它应该是：
  re.sub（regexp\u模式、替换、源字符串）

• 字符串不包含“\x”。该“\x1b”是转义字符，是单个字符

• 正如interjay指出的，您需要“*？”而不是“*”，因为否则它将匹配从第一次逃逸到最后一个“m”的所有内容

对re.sub的正确调用是：

print re.sub('\x1b.*?m', '', s)

或者，您可以使用：

print re.sub('\x1b[^m]*m', '', s)

这些是。它们由ESC（字节27，在Python中被视为

\x1B

）发出信号，后跟

[

），然后是一些

；

-分隔的参数，最后是一个字母来指定它是哪个命令。（

m

是一种颜色变化。）

这些参数通常是数字，因此对于这种简单的情况，您可以使用以下方法消除它们：

ansisequence= re.compile(r'\x1B\[[^A-Za-z]*[A-Za-z]')
ansisequence.sub('', string)

从技术上讲，对于某些（与颜色无关的）控制代码，它们可能是通用字符串，这使得解析过程很烦人。很少会遇到这些代码，但如果遇到，我想您必须使用一些复杂的代码，如：

\x1B\[((\d+|"[^"]*")(;(\d+|"[^"]*"))*)?[A-Za-z]

---

最好是说服生成字符串的任何人，你不是ANSI终端，因此它的输出中不应该包含颜色代码。

这里是一个pyparsing解决方案，为那些讨厌的转义序列提供一个通用解析表达式。通过使用抑制表达式转换初始字符串，这将返回一个戒指上没有表情的所有匹配项

s = \
'exit\r\ndrwxr-xr-x    2 root     root            0 Jan  1  2000 ' \
'\x1b[1;34mbin\x1b[0m\r\ndrwxr-xr-x    3 root     root           ' \
'0 Jan  1  2000 \x1b[1;34mlib\x1b[0m\r\ndrwxr-xr-x   10 root     ' \
'root            0 Jan  1  1970 \x1b[1;34mlocal\x1b[0m\r\ndrwxr-xr-x    ' \
'2 root     root            0 Jan  1  2000 \x1b[1;34msbin\x1b[0m\r\ndrwxr-xr-x    ' \
'5 root     root            0 Jan  1  2000 \x1b[1;34mshare\x1b[0m\r\n# exit\r\n' \

from pyparsing import (Literal, Word, nums, Combine, 
    delimitedList, oneOf, alphas, Suppress)

ESC = Literal('\x1b')
integer = Word(nums)
escapeSeq = Combine(ESC + '[' + delimitedList(integer,';') + oneOf(list(alphas)))

s_prime = Suppress(escapeSeq).transformString(s)

print s_prime

---

这将打印您所需的输出，存储在

s_prime

中。请尝试运行

ls--color=never-l

，这样您就不会得到ANSI转义码了。

@interjay:啊，对不起，搞错了，谢谢。但是，这不起作用。它没有密码，但所有的废话都还在那里。我没有注意到e反斜杠实际上不是反斜杠-请看爱德华的回答，他说得对。@Edward loper:非常感谢，很抱歉把参数弄错了。这是一个很容易犯的错误；我花了一段时间才习惯Python regexp参数的顺序。基本规则是第一个参数始终是regexp，最后一个参数是要操作的字符串（除了可选参数，如标志或计数，它们位于要操作的字符串后面的末尾）