使用 sub() 方法将 html 代码中的内容替换为相应翻译时的 Python 正则表达式问题

Question

我是 Python 的初学者，遇到了一些我无法解决的编码问题。

是）我有的：

电子表格中两列中的源句子及其各自的翻译；

包含句子和html标签的html代码

我正在尝试做的事情：使用 Python 正则表达式方法 - sub() 来查找英文句子并将其替换为各自的翻译句子。

例如： html代码中的三个句子 -Pumas是大型动物。它们在美国被发现。他们不吃草

我有 html 代码中每个句子的翻译。我想一次替换一个句子并保留 html 标签。通常我可以像这样使用 sub() 方法：

regex1 = re.compile(r'(\>.*)SOURCE_SENTENCE_HERE ?(.*\<)')

resultCode = regex1.sub(r'\1TRANSLATION_SENTENCE_HERE\2', originalHtmlCode)

我写了一个python脚本来做到这一点。我将 html 代码保存在一个 txt 文件中，并在我的 Python 代码中访问它（成功）。然后我创建一个字典来将源-目标对存储在上面提到的电子表格中（成功）。最后，我使用 rexgex sub() 方法来查找和替换 html 代码中的句子（失败）。由于某种原因，最后一部分根本不起作用。链接到我的 Python 代码- https://pastebin.com/ZSUNB4yg或以下：

import re, openpyxl, pyperclip

buynavFile = open('C:\\Users\\zs\\Documents\\PythonScripts\\buynavCode.txt')

buynavCode = buynavFile.read()

buynavFile.close()

wb = openpyxl.load_workbook('buynavSegments.xlsx')              

sheet = wb.get_sheet_by_name('Sheet1')                          

segDict = {}

maxRow = sheet.max_row

for i in range(2, maxRow + 1):

    segDict[sheet.cell(row=i, column=3).value] = sheet.cell(row=i, column=4).value

for k, v in segDict.items():                            

    k = '(\\>.*)' + str(k) + ' ?(.*\\<)'                

    v = '\\1' + str(v) + '\\2'                          

    buynavRegex = re.compile(k)

    buynavResult = buynavRegex.sub(v, buynavCode)

pyperclip.copy(buynavResult)                            

print('Result copied to clipboard')

下面的错误信息：

回溯（最近一次通话最后）：

文件“C:\Users\zs\Documents\PythonScripts\buynav.py”，第 20 行，在

buynavResult = buynavRegex.sub(v, buynavCode)

_subx 中的文件“C:\Users\zs\AppData\Local\Programs\Python\Python36\lib\re.py”，第 326 行

模板 = _compile_repl（模板，模式）

_compile_repl 中的文件“C:\Users\zs\AppData\Local\Programs\Python\Python36\lib\re.py”，第 317 行

返回 sre_parse.parse_template(repl, 模式)

文件“C:\Users\zs\AppData\Local\Programs\Python\Python36\lib\sre_parse.py”，第 943 行，在 parse_template

addgroup(int(this[1:]), len(this) - 1)

有人可以启发我吗？我真的很感激。

Answer 1

考虑是否要使用替换文本，您必须在其中放置第 1 组的内容并将它们连接到 string 2。您可以编写r'\12'，但这不会起作用，因为正则表达式解析器会认为您引用的是组12而不是1字符串后面的组2！>>> re.sub(r'(he)llo', r'\12', 'hello')Traceback (most recent call last):&nbsp; File "<stdin>", line 1, in <module>&nbsp; File "/usr/lib/python3.6/re.py", line 191, in sub&nbsp; &nbsp; return _compile(pattern, flags).sub(repl, string, count)&nbsp; File "/usr/lib/python3.6/re.py", line 326, in _subx&nbsp; &nbsp; template = _compile_repl(template, pattern)&nbsp; File "/usr/lib/python3.6/re.py", line 317, in _compile_repl&nbsp; &nbsp; return sre_parse.parse_template(repl, pattern)&nbsp; File "/usr/lib/python3.6/sre_parse.py", line 943, in parse_template&nbsp; &nbsp; addgroup(int(this[1:]), len(this) - 1)&nbsp; File "/usr/lib/python3.6/sre_parse.py", line 887, in addgroup&nbsp; &nbsp; raise s.error("invalid group reference %d" % index, pos)sre_constants.error: invalid group reference 12 at position 1您可以使用\g<1>引用组的语法来解决此问题r'\g<1>2'：：>>> re.sub(r'(he)llo', r'\g<1>2', 'hello')'he2'在您的情况下，您的替换字符串包含动态内容，例如str(v)可以是任何内容。如果它恰好以数字开头，那么您最终会遇到前面描述的情况，因此您想使用它\g<1>来避免此问题