为什么我的正则表达式不适用于来自file.read的输入？

问题描述

| 我有一段代码需要从多个文件中删除，该文件的开头是这样的：

<?PHP
//{{56541616

这样结束：

//}}18420732
?>

其中两个数字字符串都可以是字母和数字的任意序列（不相同）。 我编写了一个Python程序，该程序将返回除此问题字符串之外的整个输入字符串：

def removeInsert(text):
    m = re.search(r\"<\\?PHP\\n\\/\\/\\{\\{[a-zA-Z0-9]{8}.*\\/\\/\\}\\}[a-zA-Z0-9]{8}\\n\\?>\",text,re.DOTALL)
    return text[:m.start()] + text[m.end():]

当我使用removeInsert（\“ \” \“ [文件文本] \” \“ \”）调用该程序时，它的效果很好–三重引号允许将其作为多行读取。 我试图将其扩展为打开文件，并将文件的字符串内容与此传递给removeInsert（）：

def fileRW(filename):
    input_file = open(filename,\'r\')
    text = input_file.read()
    newText = removeInsert(text)
    ...

但是，当我运行fileRW（[input-file]）时，出现此错误：

return text[:m.start()] + text[m.end():]
AttributeError: \'nonetype\' object has no attribute \'start\'

我可以确认最后一个代码中的\“ text \”实际上是一个字符串，并且确实包含问题代码，但是似乎removeInsert（）代码不适用于此字符串。我最好的猜测是，它与将字符串手动输入到removeInsert（）中时的三重引号有关。也许fileRW（）传递给removeInsert（）的文本未用三引号引起来（我尝试过不同的方式来强制它具有三引号（\“ \\\” \\\“ \\\\” \“ ），但这不起作用）。不过，我不知道如何解决此问题，也无法在Google搜索中找到有关此信息的任何信息。     

解决方法

        您的正则表达式仅对行使用ѭ5lines。您的文本编辑器可能会插入回车符和换行符：

\\r\\n

。尝试将正则表达式中的

\\n

更改为

(\\r\\n|\\r|\\n)

。     ,        将ѭ5保留在正则表达式中，并按以下方式打开文件：

input_file= open(filename,\'rU\')

请注意模式中的额外U。这将使您的代码即使在其他操作系统上使用或给定的具有“外来”行尾的文件时也能正常工作。