如果字符串以“1”开头，则替换标记之间的字符串

Question

我有一个巨大的XML文件（大约100MB），每一行都包含<tag>10005991</tag>的内容。例如：

textextextextext<tag>10005991<tag>textextextextext
textextextextext<tag>20005992</tag>textextextextext
textextextextext<tag>10005993</tag>textextextextext
textextextextext<tag>20005994</tag>textextextextext

我想替换标记之间的任何以“1”开头的字符串，用我选择的字符串替换，然后写回文件。我试过用线路。更换函数，但仅当我指定字符串时才有效。在

^{pr2}$

理想输出：

textextextextext<tag>YYYYYY<tag>textextextextext
textextextextext<tag>20005992</tag>textextextextext
textextextextext<tag>YYYYYY</tag>textextextextext
textextextextext<tag>20005994</tag>textextextextext

我曾考虑过使用一个数组来传递每个字符串，然后进行替换，但我确信有一个更简单的解决方案。在

Answer 1

您可以使用^{} module

>>> text = 'textextextextext<tag>10005991</tag>textextextextext'
>>> re.sub(r'<tag>1(\d+)</tag>','<tag>YYYYY</tag>',text)
'textextextextext<tag>YYYYY</tag>textextextextext'

re.sub将用第二个参数替换匹配的文本。在

引用文件

Return the string obtained by replacing the leftmost non-overlapping occurrences of pattern in string by the replacement repl. If the pattern isn’t found, string is returned unchanged.

用法可能是：

^{pr2}$

Answer 2

我想你最好用ElementTree

主要思想： 1） 解析文件 2） 查找元素值 3） 测试你的状况 4） 如果条件满足，则替换值

这里是开始解析的好地方：How do I parse XML in Python?

Answer 3

您可以使用regex，但由于您有多行字符串，因此需要使用^{}标志，并且在您的模式中，您可以使用positive look-around来匹配标记之间的字符串：

>>> print re.sub(r'(?<=<tag>)1\d+(?=</?tag>)',r'YYYYYY',s,re.DOTALL,re.MULTILINE)
textextextextext<tag>YYYYYY<tag>textextextextext
textextextextext<tag>20005992</tag>textextextextext
textextextextext<tag>YYYYYY</tag>textextextextext
textextextextext<tag>20005994</tag>textextextextext

re.DOTALL

Make the '.' special character match any character at all, including a newline; without this flag, '.' will match anything except a newline.

同样，正如@Bhargav Rao在他的回答中所做的那样，您可以使用分组来代替环顾：

^{pr2}$