Python：使用re.sub的编码问题

Question

实际上，我正在使用以下代码测试html文件中的一些替换：

text = re.sub(u'<div class="paragraph" style="[^"]+"><span class="font61"><i>Test. </i>55<span class="font16"></span><span style=" letter-spacing:-0.70pt;"> </span></span></div>', u'<div class="paragraph" style="\1"><span class="font61"><i>Test.</i><span class="font16"></span><span style=" letter-spacing:-0.70pt;">55</span></span></div>', text)

不幸的是，我的输出是：

 <div class="paragraph" style=""><span class="font61"><i>Test. </i><span class="font16"></span><span style="
 letter-spacing:-0.70pt;">55</span></span></div>

代替"style=" padding:6.00pt 63.36pt 0.00pt 43.68pt; text-align:justify;"" "style=" padding:6.00pt 63.36pt 0.00pt 43.68pt; text-align:justify;"" ，我收到一个特殊字符，在这里也无法显示。 我该如何解决这个问题？

换句话说：如果我有类似的东西：

<div class="paragraph" style=" padding:0.00pt 0.00pt 0.00pt 90.24pt; text-align:left;"><span class="font61"><i>Test </i>55<span class="font16"></span><span style=" letter-spacing:-0.70pt;"> </span></span></div>

（重要的是：</ i> +数字+ <span class =），我想将数字移到最后一个间隔（在这里，在</ span>之前）。 我怎样才能做到这一点？

Answer 1

re.sub()正在执行已被告知的操作。

假设您在问题中正确输入了替换字符串，则“特殊字符” "\\x01"在替换字符串之内（ re.sub()第二个参数）：

u'<div class="paragraph" style="\x01">.........'

尝试将替换字符串更改为：

u'<div class="paragraph" style="padding:6.00pt 63.36pt 0.00pt 43.68pt; text-align:justify;"><span class="font61"><i>Test.</i><span class="font16"></span><span style=" letter-spacing:-0.70pt;">55</span></span></div>'

但是，最好使用BeautifulSoup之类的库来帮助您解析和处理HTML，而不要使用正则表达式。