问题描述
在python的re正则表达式模块中使用re.sub()方法替换文档中字符,有时会出现替换不完全现象:
with open('zhihu.html','rb') as f1:
file = f1.read().decode('utf8')
file_hh = re.sub('/>','/>\n',file,re.S)
with open('zhihu_hh.html','wb') as f2:
f2.write(file_hh.encode())
这段代码的原意是匹配到所有’/>'后换行,但是实际效果是对前几个匹配到的有效果,后面没变化。
问题原因
经过查找后,发现原因
re.sub(pattern, repl, string, count=0, flags=0)
有五个参数,第四个参数count表示替换的数量,而表示忽略换行的re.S应该是第五个参数。
如果将re.S参数作为第四个参数,此时没有报错的原因是re.S是python的常量对象,如果打印出来会发现也是数字:
>>> import re
>>> print(int(re.S))
16
数一下匹配到的‘/>’发现正好也是16,所以后面的就匹配不到了。
如何解决?
这里将re.sub('/>','/>\n',file,re.S)
第四个参数设为count
值即可,如果需要全文匹配可以设为0
。
问题
为何re.S的值为16?