Python：在特定条件下查找并替换为正则表达式

基本上我想写一个脚本来清理URL，用“（点）”字符串替换点。 例如，如果在我运行脚本之后，我希望它是。 这很容易实现。当我的文本文件只包含URL或其他字符串时，请替换，但在我的情况下，我的文本文件中也有IP地址，我不希望IP地址中的点更改为“（点）”

我试图使用正则表达式来实现这一点，但我的输出是 " 192.60.10.10 33.44.55.66“

这是我的密码

from __future__ import print_function


import sys
import re

nargs = len(sys.argv)
if nargs < 2:

    sys.exit('You did not specify a file')
else:
    inputFile = sys.argv[1]
    fp = open(inputFile)
    content = fp.read()

replace = '(dot)'
regex = '[a-z](\.)[a-z]'
print(re.sub(regex, replace, content, re.M| re.I| re.DOTALL))

from\uuuuu future\uuuuu导入打印功能
导入系统
进口稀土
nargs=len（sys.argv）
如果nargs<2：
sys.exit（'您没有指定文件'）
其他：
inputFile=sys.argv[1]
fp=打开（输入文件）
content=fp.read（）
替换='（点）'
正则表达式='[a-z]（\）[a-z]'
打印（re.sub（正则表达式、替换、内容、re.M | re.I | re.DOTALL））

---

我想我需要有一个条件来检查模式是否为number.number-不要替换。

您可以使用lookahead和lookahead断言：

import  re

s = "http://www.google.com 127.0.0.1"

print(re.sub("(?<=[a-z])\.(?=[a-z])", "(dot)", s))
http://www(dot)google(dot)com 127.0.0.1

如果文件太大，并且内存有问题，您也可以逐行执行，或者将所有行存储在列表中，或者在执行时使用每一行：

import re
with open("test.txt") as f:
    r = re.compile("(?=.*[a-z])(?<=\w)\.(?=\w)", re.I)
    lines = [r.sub("(?=.*[a-z])(?<=\w)\.(?=\w)", "(dot)") for line in f]

重新导入
以open（“test.txt”）作为f：
r=re.compile（（？=.[a-z]）（？您必须在点之前和之后存储
[a-z]
内容，以将其再次放入替换的字符串中。我是如何解决它的：

from __future__ import print_function
import sys
import re

nargs = len(sys.argv)
if nargs < 2:
    sys.exit('You did not specify a file')
else:
    inputFile = sys.argv[1]
    fp = open(inputFile)
    content = fp.read()

replace = '\\1(dot)\\3'
regex = '(.*[a-z])(\.)([a-z].*)'
print(re.sub(regex, replace, content, re.M| re.I| re.DOTALL))

from\uuuuu future\uuuuu导入打印功能
导入系统
进口稀土
nargs=len（sys.argv）
如果nargs<2：
sys.exit（'您没有指定文件'）
其他：
inputFile=sys.argv[1]
fp=打开（输入文件）
content=fp.read（）
替换='\\1（点）\\3'
正则表达式='（.[a-z]）（\）（[a-z].]
打印（re.sub（正则表达式、替换、内容、re.M | re.I | re.DOTALL））
根据您的代码判断，您希望替换模式中的第一组。但是，
re.sub
替换整个匹配模式，而不是一组。在您的情况下，这是句点前的单个字符、句点本身以及句点后的单个字符

即使sub按您所希望的那样工作，您的正则表达式也会缺少数字是URL一部分的边缘情况，例如
www.2048game.com
。
定义IP的外观要容易得多。它总是由四个数字组成，每个数字有一个、两个或三个数字，用点分隔。（无论如何，在IPv4的情况下。但是IPv6不使用句点，所以在这里不重要。）

假设文本文件中只有URL和IP，只需过滤掉所有IP，然后替换其余URL中的句点：

is_ip = re.compile('\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}')
urls = content.split(" ")
for i, url in enumerate(urls):
    if not is_ip.match(url):
        urls[i] = url.replace('.', '(dot)')
content = ' '.join(urls)

当然，如果您在
内容中有规则文本，这也将替换所有规则句点，而不仅仅是URL。在这种情况下，您将首先需要更复杂的URL检测。请参阅好。这几乎适用于所有情况。但是，域名中的数字是合法的。此外，这还取决于存储在较低CA中的域名e、 @StevenRumbalski，我只是基于OP自己的代码和他们只使用
[a-z]的事实
在他们的模式中，我把旗帜留给了OPFair。出于值得的考虑，我投票给了你的答案。但我仍然认为这是一个大问题，它无法处理
'io9.com'
。case的问题很小，也很容易解决。@StevenRumbalski，别担心，我正在为有数字的情况做一些工作volvedi对此进行了测试，它可以在1到2行文本中正常工作，但不起作用。我的意思是，它只会替换文本的开头，对于一个内部有192.60.10.10 33.44.55.66的文本文件，它只会替换
'www.google.com'
giving
'www.google（dot）的第一个URL失败此外，数字在域名中是合法的，因此在这些域名上也会失败（考虑io9.com）。问题是匹配项没有重叠。请参阅Padraic Cunningham的答案，了解如何使用前向和后向断言解决此问题。经过测试，它还替换了ip地址中的点抱歉，代码中有一个拼写错误。您当然应该调用
is_ip.match（url）
，而不是
is_ip.match（内容）
太好了，但它为什么要更改输出结构呢？我的意思是，当我打开包含已保存内容的文本文档时，所有内容都排在一长行中，而不是更改前的结构。@Vlad啊，我的另一个失误。
split（）
不使用任何空格分隔参数，可以是空格字符或换行符。请改用
分隔（“”）
。
from __future__ import print_function
import sys
import re

nargs = len(sys.argv)
if nargs < 2:
    sys.exit('You did not specify a file')
else:
    inputFile = sys.argv[1]
    fp = open(inputFile)
    content = fp.read()

replace = '\\1(dot)\\3'
regex = '(.*[a-z])(\.)([a-z].*)'
print(re.sub(regex, replace, content, re.M| re.I| re.DOTALL))

is_ip = re.compile('\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}')
urls = content.split(" ")
for i, url in enumerate(urls):
    if not is_ip.match(url):
        urls[i] = url.replace('.', '(dot)')
content = ' '.join(urls)

import re

content = "I tried to do this using regex, but my output is http://www.googl.com 192.60.10.10 33.44.55.66\nhttp://ya.ru\n..."

reg = r'http[s]?://(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*\(\),]|(?:%[0-9a-fA-F][0-9a-fA-F]))+'

all_urls = re.findall(reg, content, re.M| re.I| re.DOTALL)
repl_urls = [u.replace('.', '(dot)') for u in all_urls]

for u, r in zip(all_urls, repl_urls):
    content = content.replace(u, r)

print content