Python 在字符串中查找数字并将其递减

我有一个HTML页面，其中列出了主题和页码的长索引。我想找到所有页码及其锚定标记链接，并将页码减少

1

以下是HTML中的一行示例：

<p class="index">breakeven volume (BEV), <a href="ch02.xhtml#page28">28</a></p>

注意，您可以将函数作为

repl

参数传递给，对于

模式

的每个非重叠出现，该函数将被传递给单个

匹配

对象：

请注意，这需要

match.group（）

表示一个整数；仅捕获数字，而不包括

和

>>页码（减量，行）
“
盈亏平衡量（BEV），
”

并且可以类似地应用于

“#page28”

---

但是，请注意，通常应该使用实际的HTML解析器，而不是正则表达式来解析HTML（它不是正则语言）。

在替换时可以使用替换函数：

import re
s = '<p class="index">breakeven volume (BEV), <a href="ch02.xhtml#page28">28</a></p>'
re.sub(r'page(\d+)">\1', lambda m: 'page{0}">{0}'.format(int(m.group(1)) - 1), s)

重新导入
s='
盈亏平衡量（BEV），
'
re.sub（r'page（\d+）“>\1'，lambda m:'page{0}”>{0}'。格式（int（m.group（1））-1），s）

结果:

<p class="index">breakeven volume (BEV), <a href="ch02.xhtml#page27">27</a></p>

盈亏平衡量（BEV）

使用

页面（\d+）>\1

我们匹配页面，后面跟一个数字，后面跟一个“>，后面跟第一对括号（

\1

）中的模式中相同的数字

---

替换函数以匹配作为参数。因此，我们采用匹配的第一组（

m.group（1）

），这是数字，我们解析它并将其递减。然后我们使用递减的数字重新构造新字符串。

参数

step=

是无用的，因为绝对没有办法提供它。如果您确实需要它，您可以这样做：

def decrementer（step=1）：返回lambda match:str（int（match.group（））-step）

然后

page_num.sub（decrementer（），line）

或

page_num.sub（decrementer（2），line）

@Matt有两种方法提供它：使用

functools.partial

或

lambda

。也就是说，我认为你的方法（除了

lambda

用法之外）更简洁。在这一点上，将整个函数作为lambda内联会更容易。或者你可以做我所做的。顺便说一句，我希望我能给你第二个+1来说明HTML不是一种正则语言。尽管在这种情况下OP似乎有一个有限的数据集，在其中正则表达式可以在没有为了解决一般情况下的问题。@Matt我认为这就是人们最终使用正则表达式解析HTML的原因-对于他们开始使用的有限集合来说，这似乎更简单，但不可避免地会出现边缘大小写，表达式变得更复杂，然后他们可能最好咬紧牙关，从一开始就正确解析！这可能很好o提供更多的解释，而不是内联所有内容并让OP拖网查看……也就是说，我喜欢用一体式方法替换这两个值。感谢@jornsharpe的反馈谢谢你，我自己永远无法理解这一点！我能够将你的代码合并到我的代码中，让它解析xml逐行并将其作为一个新文件输出。@JohnGayle它应该处理整个xml，而不是逐行处理……如果不这样做，它可能需要一个tweak@JuniorCompressor这是我用

p=re.sub（r'page（\d+）”>\1'，lambda m:'page{0}>{0}'。格式（int（m.group（1））-1），行.rstrip（）

然后将结果写入文本文件。

page_num = re.compile(r'''
    (?<=>) # a > before the group
    \d+    # followed by one or more digits
    (?=<)  # and a < after the group
''', re.VERBOSE)

>>> page_num.sub(decrement, line)
'<p class="index">breakeven volume (BEV), <a href="ch02.xhtml#page28">27</a></p>'

import re
s = '<p class="index">breakeven volume (BEV), <a href="ch02.xhtml#page28">28</a></p>'
re.sub(r'page(\d+)">\1', lambda m: 'page{0}">{0}'.format(int(m.group(1)) - 1), s)

<p class="index">breakeven volume (BEV), <a href="ch02.xhtml#page27">27</a></p>