使用以前的结果搜索Python正则表达式

Question

抱歉，我是新来的，但是我找不到我最不知道该怎么问的问题的答案。

可以说我有一个XML文件，其内容如下：

<fields>
   <field1>
       <name>Frank</name>
   </field1>
   <field2>
       <name>Bob</name>
   </field2>
   <field3>
        <name>Spam</name>
   </field3>
</fields>

我想删除任何名称= Bob的地方。 我可以试试

regex = re.compile("<fields>.*<field/d><name>Bob</field/d>.*</fields>"
data = regex.sub("", data"

我的缺点是和之间的所有内容都在删除。 如何指定我希望/ d两者相同，以便仅删除和之间的内容？ 实际上，我希望生成的XML看起来像

<fields>
   <field1>
       <name>Frank</name>
   </field1>
   <field3>
        <name>Spam</name>
   </field3>
</fields>

谢谢！

Answer 1

使用“反向引用”：

import re

text = """<fields>
   <field1>
       <name>Frank</name>
   </field1>
   <field2>
       <name>Bob</name>
   </field2>
   <field3>
        <name>Spam</name>
   </field3>
</fields>"""

pattern = re.compile(
    r'(<field(?P<n>\d)>[\s\S]+Bob[\s\S]+</field(?P=n)>)')

print(pattern.sub('', text))

# <fields>
#    <field1>
#        <name>Frank</name>
#    </field1>
#
#    <field3>
#         <name>Spam</name>
#    </field3>
# </fields>

https://docs.python.org/2/library/re.html ：

（？P = name）对命名组的反向引用； 它与早期名称为name的组匹配的任何文本都匹配。

就像@JimDennis提到的那样，使用正则表达式解析/处理XML数据确实是一个坏主意。 请改用XML解析器！

Answer 2

请不要使用正则表达式来解析XML，HTML或其他基于SGML的文本。 在最底层，大多数解析器使用正则表达式。 但是解析它们的过程充满了陷阱，如果您使用已经编写（和调试）的库来执行此操作，则代码将更加健壮。

我建议阅读： 如何在Python中解析XML？ 在此处的StackOverflow上可以获得更多详细信息。

为了回答您的特定问题，您可以使用正则表达式反向引用 ...来执行此操作，该正则表达式反向引用可用于“捕获”匹配文本的部分并引用它们（通常是使用匹配结果的代码，甚至只是在正则表达式的后面部分）。