Question

我需要根据pdf文件规范匹配名称对象。但是，名称可能包含十六进制数字（以＃开头）以指定特殊字符。我想将这些匹配转换为相应的字符。如果没有重新解析匹配字符串，有没有一种聪明的方法呢？

import re

Name = re.compile(r'''
    (/                                        # Literal "/"
        (?:                                   #
            (?:\#[A-Fa-f0-9]{2})              # Hex numbers
            |                                 # 
            [^\x00-\x20 \x23 \x2f \x7e-\xff]  # Other
        )+                                    #
    )                                         #
    ''', re.VERBOSE)

#  some examples

names = """
    The following are examples of valid literal names:

    Raw string                       Translation

    1.  /Adobe#20Green            -> "Adobe Green"
    2.  /PANTONE#205757#20CV      -> "PANTONE 5757 CV"
    3.  /paired#28#29parentheses  -> "paired( )parentheses"
    4.  /The_Key_of_F#23_Minor    -> "The_Key_of_F#_Minor"
    5.  /A#42                     -> "AB"
    6.  /Name1
    7.  /ASomewhatLongerName
    8.  /A;Name_With-Various***Characters?
    9.  /1.2
    10. /$$
    11. /@pattern
    12. /.notdef
    """

Answer 1

查看re.sub。

您可以将此函数用于匹配十六进制'＃[0-9A-F] {2}'数字并使用函数转换它们。

E.g。

def hexrepl(m):
    return chr(int(m.group(0)[1:3],16))

re.sub(r'#[0-9A-F]{2}', hexrepl, '/Adobe#20Green')

将返回'/ Adobe Green'

Answer 2

我将finditer()与包装器生成器一起使用：

import re
from functools import partial

def _hexrepl(match):
    return chr(int(match.group(1), 16))
unescape = partial(re.compile(r'#([0-9A-F]{2})').sub, _hexrepl)

def pdfnames(inputtext):
    for match in Name.finditer(inputtext):
        yield unescape(match.group(0))

演示：

>>> for name in pdfnames(names):
...     print name
... 
/Adobe Green
/PANTONE 5757 CV
/paired()parentheses
/The_Key_of_F#_Minor
/AB
/Name1
/ASomewhatLongerName
/A;Name_With-Various***Characters?
/1.2
/$$
/@pattern
/.notdef

我知道没有更聪明的方法; re引擎无法以其他方式组合替换和匹配。

翻译正则表达式匹配组

2 个答案: