如何优雅实现基于text标签的字符串提取及变量替换？

要优雅完成这个需求，可以分三步处理：提取变量映射、提取text字段内容、替换变量占位符，以下是具体实现思路和代码：

步骤1：提取VAR变量映射 #

先用正则匹配所有<VAR_*>标签及其内容，构建变量名到文本的字典，同时处理标签内的换行和首尾空白，保证提取的文本干净。

步骤2：提取text字段内容 #

先定位<interaction>标签内的JSON内容，解析JSON后逐层提取speech数组中的text值；如果JSON解析失败（比如格式转义问题），则降级用正则匹配所有"text": "..."格式的内容，增强鲁棒性。

步骤3：替换变量占位符 #

对每个提取到的text内容，用正则匹配{{{VAR_(\d+)}}}格式的占位符，替换成对应的变量文本；如果找不到对应变量，保留原占位符（可根据需求调整处理逻辑）。

Python 实现代码 #

import re
import json

def extract_and_replace_text(content):
    # 提取VAR变量映射
    var_pattern = re.compile(r'<VAR_(\d+)>\s*(.*?)\s*</VAR_\1>', re.DOTALL)
    var_map = {}
    for match in var_pattern.finditer(content):
        var_name = f"VAR_{match.group(1)}"
        var_text = match.group(2).strip()
        var_map[var_name] = var_text
    
    # 提取<interaction>内的内容
    interaction_pattern = re.compile(r'<interaction.*?>\s*(.*?)\s*</interaction>', re.DOTALL)
    interaction_match = interaction_pattern.search(content)
    if not interaction_match:
        return None
    
    texts = []
    try:
        # 处理转义引号并解析JSON
        json_content = interaction_match.group(1).replace('&quot;', '"')
        data = json.loads(json_content)
        speech_list = data.get("BaseClassConfig QuestionInteractionInterface", {})\
                          .get("QuestionSpeakingInteraction", {})\
                          .get("SpeakingInteractionConfig", {})\
                          .get("speech", [])
        texts = [item.get("text", "") for item in speech_list]
    except json.JSONDecodeError:
        # JSON解析失败时用正则匹配text字段
        text_pattern = re.compile(r'"text":\s*"(.*?)"', re.DOTALL)
        raw_texts = text_pattern.findall(interaction_match.group(1).replace('&quot;', '"'))
        texts = [t.strip() for t in raw_texts]
    
    if not texts:
        return None
    
    # 替换变量占位符
    def replace_var(match):
        var_name = match.group(1)
        return var_map.get(var_name, match.group(0))
    
    result = [re.sub(r'{{{(VAR_\d+)}}}', replace_var, text) for text in texts]
    return result

# 测试示例内容
sample_content = """
<VAR_0>
How old are you?
</VAR_0>
<VAR_2>
What is your age?
</VAR_2>

(set:$ageask to 'true')
(set:$storybeat_01 to 1)
(set:$inputAge to -1)

<audio stopall>

<audio src=&quot;sound.wav&quot; autoplay loop volume=&quot;100%&quot;>

<onSuccess($user_age==0,$inputAge:=age)>[[age selector]]
<onSuccess(5>age OR 100<age,$inputAge:=age)>[[impossible age]]
<onSuccess(90<age,$inputAge:=age)>[[very old]]

<interaction type=&quot;AgeNumberQuestionInteraction&quot;>
{
    &quot;BaseClassConfig QuestionInteractionInterface&quot;: {
        &quot;QuestionInteractionInterfaceConfig&quot;: {
            &quot;maxQuestionRepetitionCount&quot;: 1
        },
        &quot;QuestionSpeakingInteraction&quot;: {
            &quot;SpeakingInteractionConfig&quot;: {
                &quot;speech": [
                    {
                        &quot;emotion&quot;: &quot;HAPPY&quot;,
                        &quot;text&quot;: &quot;{{{VAR_2}}}&quot;
                    },
                    {
                        &quot;emotion&quot;: &quot;HAPPY&quot;,
                        &quot;text&quot;: &quot;Tell me. How old are you?&quot;
                    },
                    {
                        &quot;emotion&quot;: &quot;HAPPY&quot;,
                        &quot;text&quot;: &quot;{{{VAR_0}}}&quot;
                    }
                ]
            }
        }
    }
}
</interaction>
"""

# 执行测试
print(extract_and_replace_text(sample_content))
# 输出: ['What is your age?', 'Tell me. How old are you?', 'How old are you?']

关键说明 #

• 变量提取使用re.DOTALL模式支持跨换行匹配，strip()清理文本首尾冗余空白。
• 优先用JSON解析保证文本提取的准确性，正则作为降级方案适配格式异常情况。
• 占位符替换用回调函数实现，逻辑清晰，便于后续扩展（比如增加变量不存在时的默认值处理）。
• 无text字段时返回None，完全符合需求定义。

内容的提问来源于stack exchange，提问作者BlackHawk