python使用正则表达式剔除指定开头和结尾之间的所有字符串内容

       这里的一个基本的需求就是对于一个字符串，想要剔除指定开头和结尾及其之间所有的内容，一个经典的场景就是剔除一个脚本里面所有的以/**开头和**/结尾的注释。对此，需要注意的点有三个：1、如何跨行匹配/**和**/之间的所有内容，因为.无法匹配换行符；2、要注意使用非贪心匹配，以防把代码也剔除；3、如何高效剔除匹配到的内容。

       具体的正则表达式如下。这个正则表达式中要注意对*的转义，以及使用非捕获组(?:...)的使用，这里使用.匹配其他字符，利用\s匹配换行符等空白字符，当然也可以使用\n，还要注意非捕获组后面使用的是非贪心匹配，这是因为如果使用贪心匹配，那么多个注释之间的代码也会被匹配上，从而把正常的代码也剔除。

import re

pattern = re.compile(r'/\*\*(?:.|\s)*?\*\*/')

       之后如何高效剔除匹配到的内容呢？本文的方法如下。本文使用的是re.split函数，因为其会直接使用匹配到的内容作为分隔符，并且返回的列表是不包含分隔符的内容，所以直接对返回的列表进行拼接就可以得到剔除后的内容updated，这样的代码比较简洁易懂。

import re

pattern = re.compile(r'/\*\*(?:.|\s)*?\*\*/')

f = open('to_be_processed.cpp')
s = f.read()
updated = ''.join(re.split(pattern,s))
f.close()

       最后，对于不是以/**开头和**/结尾的标志，我们可通过如下方式实现指定。下面的函数process实现了该功能，其中start和end作为参数传入，并且经过re.escape处理后再加入字符串。这里re.escape函数的作用是得到可以真正匹配传入字符串的正则表达式，因为存在正则转义，所以可能出现非预期的结果，而通过re.escape处理后就可以保证我们的正确匹配。

import re

def process(start,end,f):

    start = re.escape(start)
    end = re.escape(end)
    pattern = re.compile(r'%s(?:.|\s)*?%s'%(start,end))

    s = f.read()
    updated = ''.join(re.split(pattern,s))

    return updated