如何使用Python的re.sub库去除文件开头内容？

嘿，很高兴帮你搞定这个小问题！你想用re.sub去掉sample.txt里第一次出现article:之前的所有内容，对吧？这其实很简单，我给你具体的实现方法和思路~

核心思路 #

我们需要匹配从文件开头到第一个article:之前的所有内容，同时要保留article:本身。这里用正则的非贪婪匹配+正向预查就能完美解决，或者用捕获组也能达到同样效果。

完整代码示例 #

方法一：正向预查（推荐） #

这种写法更直观，直接匹配要删除的部分：

import re

# 读取目标文件内容
with open('sample.txt', 'r', encoding='utf-8') as file:
    raw_content = file.read()

# 执行替换：删除开头到第一个"article:"之前的所有内容
processed_content = re.sub(r'^.*?(?=article:)', '', raw_content, flags=re.DOTALL)

# 可选：将处理后的内容写入新文件
with open('cleaned_sample.txt', 'w', encoding='utf-8') as file:
    file.write(processed_content)

方法二：捕获组替换 #

另一种思路是匹配开头到article:的整体，再替换为article:：

import re

with open('sample.txt', 'r', encoding='utf-8') as file:
    raw_content = file.read()

processed_content = re.sub(r'^(.*?)article:', r'article:', raw_content, flags=re.DOTALL)

# 保存结果（可选）
with open('cleaned_sample.txt', 'w', encoding='utf-8') as file:
    file.write(processed_content)

正则表达式解释 #

• ^：锚定字符串的开头，确保我们只处理最前面的内容
• .*?：非贪婪模式匹配任意字符（*?会在找到第一个符合条件的内容后停止，避免匹配到后面的article:）
• (?=article:)：正向预查，用来确认后面跟着article:，但不会把article:包含在要删除的内容里
• flags=re.DOTALL：让.可以匹配换行符，确保即使开头内容有换行也能被正确处理

测试效果 #

用你提供的sample.txt内容测试后，处理后的开头会直接是：

article: name of the first article aaaaaaa aaaaaaa aaaaaaa article: name of the first article bbbbbbb bbbbbbb bbbbbbb article: name of the first article ccccccc ccccccc ccccccc

完全符合你的需求~

内容的提问来源于stack exchange，提问作者skadomers