Python regex模块如何让正则在指定条件下匹配失败并完成替换

问题复现 #

环境说明 #

• Python版本：3.9.6
• regex模块版本：2.5.91

待处理文件内容 #

1. <span>abc.</span>
2. <span>bcd</span>
3. <span>xyz.</span>
4. <span class="good">abc</span>
5. <span class="good">abc.</span>
6. <span class="good">xyz.</span>
7. <span id="whatever">def.</span>
8. <span id="whatever">xyz.</span>
9. <span class="good" id="whatever">ghi.</span>
10. <span class="bad" id="whatever">jkl.</span>
11. <span id="whatever" class="good">abc.</span>

需求约束 #

• 仅匹配符合以下所有条件的span行：
  • 标签内不含class属性
  • 标签内文本末尾带句号
  • 标签内文本不是xyz.
    （示例中仅第1、7行符合要求）
• 匹配成功后需捕获：可选存在的id="xxx"属性、span标签内的文本
• 必须一次性调用regex.sub()完成全局替换，不符合条件的行不能被修改

问题原因 #

你之前的正则将class排除分支和id捕获分支写成了互斥的|选择结构，同时文本部分的xyz.排除逻辑触发*SKIP后范围控制不当，导致整体匹配逻辑冲突，全部匹配失败。

解决方案 #

调整正则结构，将所有排除逻辑优先匹配触发(*SKIP)(*FAIL)，再走正常捕获逻辑即可，完整可运行代码如下：

import regex

text = """1. <span>abc.</span>
2. <span>bcd</span>
3. <span>xyz.</span>
4. <span class="good">abc</span>
5. <span class="good">abc.</span>
6. <span class="good">xyz.</span>
7. <span id="whatever">def.</span>
8. <span id="whatever">xyz.</span>
9. <span class="good" id="whatever">ghi.</span>
10. <span class="bad" id="whatever">jkl.</span>
11. <span id="whatever" class="good">abc.</span>"""

newtext = regex.sub(
    r'<span(?:.*?class=".*?"(*SKIP)(*FAIL)|( id="[a-z]+?")?)>(?:xyz\.(*SKIP)(*FAIL)|([a-z]+\.))</span>',
    r'<span class="other"\1>\2</span>',
    text
)

print(newtext)

运行效果 #

替换后仅第1、7行被修改，其余行保持原样：

1. <span class="other">abc.</span>
2. <span>bcd</span>
3. <span>xyz.</span>
4. <span class="good">abc</span>
5. <span class="good">abc.</span>
6. <span class="good">xyz.</span>
7. <span class="other" id="whatever">def.</span>
8. <span id="whatever">xyz.</span>
9. <span class="good" id="whatever">ghi.</span>
10. <span class="bad" id="whatever">jkl.</span>
11. <span id="whatever" class="good">abc.</span>

正则逻辑说明 #

1. 进入span标签后优先匹配是否存在class="xxx"属性，存在则直接触发(*SKIP)(*FAIL)，跳过该标签不处理
2. 无class属性时，尝试捕获可选的id属性到分组1，无id则分组1为空
3. 匹配标签内文本时优先判断是否为xyz.，是则触发(*SKIP)(*FAIL)跳过
4. 非xyz.的文本匹配末尾带句号的小写字母内容，捕获到分组2
5. 所有排除条件都不触发的标签才会被替换，自动过滤了文本无句号的行

内容的提问来源于stack exchange，提问作者vr8ce