Python 如何使用re模块替换父文本中重复片段中的文本？

我有一个html文件，其中包含重复的

code

标记：

文章标题内容

Lorem ipsum dolor sit amet，奉献精英。嗯，代表团。


Lorem ipsum dolor sit amet，奉献精英。罪责不实
主持会议。阿珀那特铜酸debitis eos obcaecati！多洛丽丝·伊万尼特是个例外。


$pip安装--无缓存目录-r requirements.txt

Lorem ipsum dolor sit amet，奉献精英。 阿库萨默斯和希克·内克，请转告我

//Linux 导出烧瓶_APP=APP.py 导出环境=开发 //窗户 设置烧瓶_APP=APP.py 设置烧瓶_ENV=开发 更多文本

我想找到所有的

code

标记，用它们进行一些sting操作并返回到源字符串。 这是我的代码片段：

重新导入
def代码2替换（代码）：
#查找所有代码片段
RE_CODE=r']+>（.*）'
matches=re.finditer（re_代码，代码，re.S）
rs_text=“”
代码\文本=“”
pos_start=0
对于匹配中的匹配：
#打印（f'Start:{match.Start（）}，End:{match.End（）}，Content:{match.group（1）}）
code_text=match.group（1）.替换（'\n'，'\n
）
rs_text+=code[pos_start:match.start（）]+f'{code_text}

' pos_start=match.end（） 返回rs\u文本 但不幸的是，这不是正确的工作

---

那么，如何更改此html中

code

标记的内容并返回更改的结果呢？

它正在工作。在输出中注释（用于调试）

0:regex首先找到此块，并使用\n更新\n


$pip安装--无缓存目录-r requirements.txt




1:然后regex找到此块并用\n更新\n




导出烧瓶\u APP=APP.py

导出烧瓶\u ENV=开发



设置烧瓶\u APP=APP.py

设置烧瓶_ENV=开发

全输出：

<h3>Post header content</h3>

<p>
    Lorem ipsum dolor sit amet, consectetur adipisicing elit. Cum, delectus.
</p>

<p>
    Lorem ipsum dolor sit amet, consectetur adipisicing elit. Aliquam culpa illo necessitatibus
    officia sed totam. Aspernatur cupiditate debitis eos obcaecati! Dolores eveniet excepturi hic optio.
</p>

<code class="code">
<br/>$ pip install --no-cache-dir -r requirements.txt
<br/>
<br/></code>


<p>Lorem ipsum dolor sit amet, consectetur adipisicing elit.
    Accusamus et hic neque, suscipit totam ullam.</p>


<code class="code">
<br/>
<br/>// Linux
<br/>export FLASK_APP=app.py
<br/>export FLASK_ENV=development
<br/>
<br/>// Windows
<br/>set FLASK_APP=app.py
<br/>set FLASK_ENV=development
<br/>
<br/></code>

Post标题内容

Lorem ipsum dolor sit amet，奉献精英。嗯，代表团。


Lorem ipsum dolor sit amet，奉献精英。罪责不实
主持会议。阿珀那特铜酸debitis eos obcaecati！多洛丽丝·伊万尼特是个例外。



$pip安装--无缓存目录-r requirements.txt

Lorem ipsum dolor sit amet，奉献精英。 阿库萨默斯和希克·内克，请转告我



导出烧瓶\u APP=APP.py
导出烧瓶\u ENV=开发

设置烧瓶\u APP=APP.py
设置烧瓶_ENV=开发



---

它正在工作。在输出中注释（用于调试）

0:regex首先找到此块，并使用\n更新\n


$pip安装--无缓存目录-r requirements.txt




1:然后regex找到此块并用\n更新\n




导出烧瓶\u APP=APP.py

导出烧瓶\u ENV=开发



设置烧瓶\u APP=APP.py

设置烧瓶_ENV=开发

全输出：

<h3>Post header content</h3>

<p>
    Lorem ipsum dolor sit amet, consectetur adipisicing elit. Cum, delectus.
</p>

<p>
    Lorem ipsum dolor sit amet, consectetur adipisicing elit. Aliquam culpa illo necessitatibus
    officia sed totam. Aspernatur cupiditate debitis eos obcaecati! Dolores eveniet excepturi hic optio.
</p>

<code class="code">
<br/>$ pip install --no-cache-dir -r requirements.txt
<br/>
<br/></code>


<p>Lorem ipsum dolor sit amet, consectetur adipisicing elit.
    Accusamus et hic neque, suscipit totam ullam.</p>


<code class="code">
<br/>
<br/>// Linux
<br/>export FLASK_APP=app.py
<br/>export FLASK_ENV=development
<br/>
<br/>// Windows
<br/>set FLASK_APP=app.py
<br/>set FLASK_ENV=development
<br/>
<br/></code>

Post标题内容

Lorem ipsum dolor sit amet，奉献精英。嗯，代表团。


Lorem ipsum dolor sit amet，奉献精英。罪责不实
主持会议。阿珀那特铜酸debitis eos obcaecati！多洛丽丝·伊万尼特是个例外。



$pip安装--无缓存目录-r requirements.txt

Lorem ipsum dolor sit amet，奉献精英。 阿库萨默斯和希克·内克，请转告我



导出烧瓶\u APP=APP.py
导出烧瓶\u ENV=开发

设置烧瓶\u APP=APP.py
设置烧瓶_ENV=开发



---

您的代码看起来确实有效，但使用

re.sub

而不是

re.finditer

可以大大简化代码，因此您不必从单个匹配的开始和结束位置拼凑全文：

def code2replace(html):
    def fix_code(match):
        code = match.group(1).replace("\n", "\n<br>")
        return f'<code class="code">{code}</code>'
    RE_CODE = r'<code[^>]+>(.*?)<\/code>'
    return re.sub(RE_CODE, fix_code, html, flags=re.S)

---

请注意，这也将用相同的

标记替换任何打开的
标记，忽略任何附加属性或不同的
类
值。要保留原始的
标记，您只需
返回match.group（）.replace（“\n”，“\n
”）
（
group（）
，而不是
group（1）
）。
您的代码看起来确实有效，但使用
re.sub
而不是
re.finditer
，可以大大简化代码，因此，您不必从各个比赛的开始和结束位置拼凑全文：

def code2replace(html):
    def fix_code(match):
        code = match.group(1).replace("\n", "\n<br>")
        return f'<code class="code">{code}</code>'
    RE_CODE = r'<code[^>]+>(.*?)<\/code>'
    return re.sub(RE_CODE, fix_code, html, flags=re.S)

请注意，这也将用相同的
标记替换任何打开的
标记，忽略任何附加属性或不同的
类
值。要保留原始的
标记，您可以
返回match.group（）。替换（“\n”，“\n
”）
（
group（）
，而不是
group（1）
）。
您考虑过使用合适的HTML解析器吗？FWIW我同意@tobias_k，使用正则表达式解析HTML通常被认为是一种糟糕的编程实践。您是否考虑过使用合适的HTML解析器？FWIW我同意@tobias_k，使用正则表达式解析HTML通常被认为是一种糟糕的编程实践。