python remplacer chaîne avec regexp

Question

Je suis à la recherche d'une expression rationnelle pour identifier ce bloc pour un modèle afin que je puisse fournir un texte pour remplacer ce bloc entier

<div> 
{% for link in links %} 
    textext 
{% endfor %} 
</div> 

et obtenir quelque chose comme ça

<div> 
mytext 
</div> 

Answer 1

Essayez:

re.sub('\{.*[\w\s]*.*\}','mytext',txt) 

Sortie:

'<div>\n mytext\n</div>' 

\{ correspond à la première accolade, puis .*[\w\s]*.* correspond à tous les autres (y compris les espaces et les sauts de ligne) jusqu'à ce que la dernière accolade \}.

Vous pouvez être plus précis avec quelque chose comme:

re.sub('\{% for link in links.*[\w\s]*.*end for %\}','mytext',txt) 

et vous pouvez être sûr qu'il ne correspondra une boucle du type que vous avez spécifié. L'éditeur a souligné que ma réponse était insuffisante pour un certain nombre de cas, en particulier s'il y avait des symboles au milieu. Au risque de malentendu naïvement pourquoi ma solution ne fonctionne pas, j'ai simplement ajouté un peu plus à mon modèle qui correspond avec succès même ses cas de test, donc nous allons voir si cela fonctionne:

re.sub('\{.*[\W\w\s]*.*\}', 'mytext', txt) 

RÉSULTAT (où txt est par exemple Pink Floyd de Eyquems):

"Pink Floyd" 
<div> 
mytext 
</div> 
"Fleetwood Mac" 

donc, je pense que l'ajout de tous les symboles non-alphanumériques le fixe. Ou je l'ai peut-être cassé encore plus évidemment pour un autre cas. Je suis sûr que quelqu'un va le signaler. :) '

EDIT2: Il convient également de noter que nos deux solutions échouent dans le cas où il y a plus d'un for -loop sur la page. Exemple:

"Beatles" 
<div> 
{% for link in links %} 
    iiiY=uuu 
    12345678 
{% endfor %} 
</div> 
"Tino Rossi" 
{ for link in links % } 
    asdfasdfas 
{% endfor% } 

cède

"Beatles" 
<div> 
mytext 

Et Réduisons le reste en faisant correspondre le jeu suivant APRÈS la.

EDIT 2: l'eyquem est à nouveau à droite dans la fixation de son pour ne pas couper le si il y en a un après. Son correctif répare le mien aussi:

re.sub('\{.*[\W\w\s]*?.*\}', 'mytext', txt) 

est le nouveau modèle.

Answer 2

L'approche de marteau de forgeron serait:

In [540]: txt = """<div> 
{% for link in links %} 
    textext 
{% endfor %} 
</div>""" 

In [541]: txt 
Out[541]: '<div>\n {% for link in links %}\n  textext\n {% endfor %}\n</div>' 

In [542]: re.sub("(?s)<div>.*?</div>", "<div>mytext</div>", txt) 
Out[542]: '<div>mytext</div>' 

Answer 3

Je regrette de dire que la anwer de Logan ne fonctionne pas dans les cas suivants:

import re 

ss1 = '''"Pink Floyd" 
<div> 
{% for link in links %} 
    aaaY}eee 
    12345678 
{% endfor %} 
</div> 
"Fleetwood Mac"''' 

pat = '(\{.*)([\w\s]*)(.*)(\})' 
print ss1 
print '---------------------------' 
for el in re.findall(pat,ss1): 
    print el 
print '---------------------------' 
print re.sub(pat,':::::',ss1) 

RÉSULTAT

"Pink Floyd" 
<div> 
{% for link in links %} 
    aaaY}eee # <--------- } here 
    12345678 
{% endfor %} 
</div> 
"Fleetwood Mac" 
--------------------------- 
('{% for link in links %}', '\n aaaY', '', '}') 
('{% endfor %', '', '', '}') 
--------------------------- 
"Pink Floyd" 
<div> 
:::::eee 
    12345678 
::::: 
</div> 
"Fleetwood Mac" 

.
.

import re 

ss2 = '''"Beatles" 
<div> 
{% for link in links %} 
    iiiY=uuu # <-------- = here 
    12345678 
{% endfor %} 
</div> 
"Tino Rossi"''' 

pat = '(\{.*)([\w\s]*)(.*)(\})' 
print ss2 
print '---------------------------' 
for el in re.findall(pat,ss2): 
    print el 
print '---------------------------' 
print re.sub(pat,':::::',ss2) 

RÉSULTAT

"Beatles" 
<div> 
{% for link in links %} 
    iiiY=uuu 
    12345678 
{% endfor %} 
</div> 
"Tino Rossi" 
--------------------------- 
('{% for link in links %', '', '', '}') 
('{% endfor %', '', '', '}') 
--------------------------- 
"Beatles" 
<div> 
::::: 
    iiiY=uuu 
    12345678 
::::: 
</div> 
"Tino Rossi" 

Le problème est le suivant (les résultats de findall() mis à mon aide de code à comprendre):

Les premiers .* runs aussi longtemps qu'il doesn 't rencontre une nouvelle ligne.
Puis [\w\s]* s'exécute tant qu'il y a des caractères de ces catégories: lettres, chiffres, trait de soulignement, espaces blancs.
Parmi les espaces sont les retours à la ligne, alors [\w\s]* peut passer d'une ligne à l'autre.
Mais si un caractère ne se trouvant pas dans ces catégories est rencontré par [\w\s]*, il s'arrête à ce caractère.

S'il s'agit d'un }, le dernier .* correspond à '' avant cela }.
Ensuite, la regex cherche le prochain match.

S'il s'agit d'un =, le dernier .* ne peut pas correspondre à la suite du texte avant d'atteindre le } suivant, car il ne peut pas passer le saut de ligne suivant. D'où le résultat différent qu'avec un } dans le texte.

.

Remplacement .* avec .+ ne change rien car il sera vu par le remplacement .* avec .+ dans les codes ci-dessus.

.

.

Ma solution

Je propose la Patern dans ce code:

import re 
pat = ('\{%[^\r\n]+%\}' 
     '.+?' 
     '\{%[^\r\n]+%\}') 


ss = '''"Pink Floyd" 
<div> 
{% for link in links %} 
    aaaY}eee 
    12345678 
{% endfor %} 
</div> 
"Fleetwood Mac" 
"Beth Hart" 
"Jimmy Cliff" 
"Led Zepelin" 
Beatles" 
<div> 
{% for link in links %} 
    iiiY=uuu 
    12345678 
{% endfor %} 
</div> 
"Tino Rossi"''' 


print '\n',ss,'\n\n---------------------------\n' 
print re.sub(pat,':::::',ss,flags=re.DOTALL) 

entraînant

"Pink Floyd" 
<div> 
{% for link in links %} 
    aaaY}eee 
    12345678 
{% endfor %} 
</div> 
"Fleetwood Mac" 
"Beth Hart" 
"Jimmy Cliff" 
"Led Zepelin" 
Beatles" 
<div> 
{% for link in links %} 
    iiiY=uuu 
    12345678 
{% endfor %} 
</div> 
"Tino Rossi" 

--------------------------- 

"Pink Floyd" 
<div> 
::::: 
</div> 
"Fleetwood Mac" 
"Beth Hart" 
"Jimmy Cliff" 
"Led Zepelin" 
Beatles" 
<div> 
::::: 
</div> 
"Tino Rossi" 

EDIT

Simpler:

pat = ('\{%[^}]+%\}' 
     '.+?' 
     '\{%[^}]+%\}') 

que si les lignes {%.....%} ne contiennent pas le signe }