当字符串为多行时，如何在 Python 中的 2 个字符串分隔符之间编辑文本

Question

我正在将 XML 文档转换为 .ckl 文档。 它们是类似的文件格式，但并没有那么简单。 我已经完成了大部分工作，但有一部分我被困住了。

在使用 ElementTree 解析 XML 之前，我必须转换一些< 和> 到<和>因为原始 XML 有一些错误，需要更正才能正确解析。 我没有意识到的一件事是，在某些组中，我需要离开< 和> 因为 .ckl 阅读器程序将该文本显示为<和>

基本上，我矫枉过正以便能够解析，但当它们在<fixtext>组中时需要改回一些。

为了进行初始更正，我将整个 XML 文件作为一个大字符串复制到一个变量中并执行data.replace('&lt;', '<')这工作正常并替换了所有所需的实例，但它也更正了我需要离开<

在此之后，我需要在解析之前将<fixtext>组中的那几个案例改回来，否则一切都会搞砸

TL;DR 我需要</fixtext>数发生变化的多行字符串中替换分隔符<fixtest *tags here*>和</fixtext>之间的<和>

任何帮助，将不胜感激。 如果您需要更多信息，请告诉我，我很乐意回答任何问题

原始 XML 关闭的示例：

<description>&lt;VulnDiscussion&gt;

这里，VulnDiscussion 应该是一个新标签

启动修复文本：

<fixtext fixref="F-22407r554595_fix">Configure the policy value for Computer Configuration &gt;&gt;
                Administrative Templates &gt;&gt; Windows Components &gt;&gt; BitLocker Drive Encryption &gt;&gt;
                Operating System Drives "Require additional authentication at startup" to "Enabled" with "Configure TPM
                Startup PIN:" set to "Require startup PIN with TPM" or with "Configure TPM startup key and PIN:" set to
                "Require startup key and PIN with TPM".
</fixtext>

Answer 1

使用正则表达式

import re
import html # In Python 3.2 a new html module was introduced, which is used for escaping reserved characters from HTML markup

# Example html Text with < and > between and outside tags
html_doc = '''&gt;&gt;&lt;&lt;&lt;&gt;&gt;&lt;&lt;&lt;blahblah<fixtext fixref="F-22407r554595_fix">Configure the policy value for Computer Configuration &gt;&gt;
                Administrative Templates &gt;&gt; Windows Components &gt;&gt; BitLocker Drive Encryption &gt;&gt;
                Operating System Drives "Require additional authentication at startup" to "Enabled" with "Configure TPM
                Startup PIN:" set to "Require startup PIN with TPM" or with "Configure TPM startup key and PIN:" set to
                "Require startup key and PIN with TPM".
</fixtext>&gt;&gt;&lt;&lt;&lt;blahblah'''


# Generate text with substitutions OP wants to reverse later on all the text
html_doc = html_doc.replace('&gt;', '>').replace('&lt;', '<')

# Regex pattern for detecting charcters between tags
p = re.compile(r"(?P<TAG_START><fixtext[^>]*>)(?P<TEXT>.*?)(?P<TAG_END></fixtext>)", flags = re.DOTALL)
indexes = p.groupindex     # groupindex on a compiled regular expression which prints the groups and their orders in the pattern string
                           # i.e. mappingproxy({'TAG_START': 1, 'TEXT': 2, 'TAG_END': 3}
    
# Only escape characters between tags (DOTALL flag for multiline)
corrected = re.sub(pattern, 
                   lambda m: m.group(indexes["TAG_START"]) + html.escape(m.group(indexes["TEXT"])) + m.group(indexes["TAG_END"]), 
                    html_doc) 
print(corrected)

注意已更正仅在标签之间替换了 < 和 >

>><<<>><<<blahblah<fixtext fixref="F-22407r554595_fix">Configure the policy value for Computer Configuration &gt;&gt;
                Administrative Templates &gt;&gt; Windows Components &gt;&gt; BitLocker Drive Encryption &gt;&gt;
                Operating System Drives &quot;Require additional authentication at startup&quot; to &quot;Enabled&quot; with &quot;Configure TPM
                Startup PIN:&quot; set to &quot;Require startup PIN with TPM&quot; or with &quot;Configure TPM startup key and PIN:&quot; set to
                &quot;Require startup key and PIN with TPM&quot;.
</fixtext>>><<<blahblah