python - re.sub 的 repl 表达式中不能调用 capture-group 上的函数？例如 int(r'\1')

Question

（这个问题的目的是找到一个优雅的 Python 习语来解决无法将捕获组引用传播到函数调用中的repl 表达式，re.sub()r'\1'int()例如。不要挂断特定parse_ampm示例，显然是 am-pm解析可以通过 stdlib 调用来完成，这不是重点）。

考虑在时间字符串中解析可选的“PM”'hPM'或'hhPM'（可选的分钟或秒，'h:mmPM'或'h:mm:ssPM'）示例：'11', '11PM', '4:10', '4:10PM', '12:11:10PM'.

...并通过将小时转换为整数来替换它，添加 12，然后转换/格式化回字符串，并附加（可选）MM:SS。显然，这可以在 Python 中以各种粗鲁的方式完成，但显然不是简单的单行re.sub，因为repl-expression 只能处理直接的捕获组引用，例如r'\1'，而不能将它们传递给类似的函数int()：

BAD 1)re.sub()不会传播r'\1'到表达式中的函数调用int()中repl：

>>> re.sub(r'(\d+)(:\d+)?(PM)', lambda m: int(r'\1') + 12, '4:10PM')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: invalid literal for int() with base 10: '\\1'

（re.subdoc 暗示（但从未声明）\1可以在 repl 表达式中使用，并且还明确表示repl 可以是字符串或函数”。但它从未明确表示 '\1' 不会被插值作为对 a 的反向引用当repl表达式是一个函数，而不是一个字符串时，捕获组；当repl是一个函数时，它只能使用group()对Match对象的调用）

BAD 2）我们也不能re.sub在 f-string 中使用反向引用（Python 3.7），第二个原因：因为实际的 f-string 本身是在解释时构建的，而不是在运行时构建的：

>>> re.sub(r'(\d+)(:\d+)?(PM)', fr'{int(\1) + 12}\2', s2)
  File "<stdin>", line 1
SyntaxError: f-string expression part cannot include a backslash

解决方案3）笨重的分段方法：

def parse_ampm(x):
    """Parse 'HH(:MM:SS)(AM/PM)' time-string, strip AM/PM, correct hour+12 for PM"""
    hmsn = list( re.match('(\d+)([:\d]*)?(?P<nm>AM|PM)?', x).groups() )
    hmsn[0] = int(hmsn[0])
    if (hmsn[-1] == 'PM') ^ (hmsn[0] == 12):
        hmsn[0] = (hmsn[0] + 12) % 24
    return f'{hmsn[0]}{hmsn[1]}'

    for s in ['4', '4:10', '4:10PM', '12:11:10PM']:
        parse_ampm(s)

解决方案 3b）另一种笨重的分段方法：

if s.endswith('PM'):
    hms = s2[:-2].split(':') # optional MM:SS
    hms[0] = int(hms[0])+12
    s = ':'.join(str(x) for x in hms)

解决方案 4）基于 dict 的 hacky 方法将所有 12 个可能的小时值映射到str(int(hour)+12)不需要整数运算，这看起来很丑陋和 hacky（但我想最快）：

adjust_for_pm = {str(h):str(h+12) for h in range(1,12+1)}
adjust_for_pm.get(h)

笔记：

• 我想看看对于一般用例来说最简单的基本 Python 习语是什么，我想你必须避免re.sub()并手动处理 a 的组 re.match(...).groups()。是的，我知道datetime.strptime(),dateutil.parser.parse()和其他 stdlib 函数处理我拥有的这个特定示例，或者这个解决方案适用于非常狭窄的用例，但没有解决一般问题“如何解决 repr 表达式中的 '\1'？” ，但这里的时间字符串不附带日期，我不想附加令牌日期然后将其删除。
• 如果可以的话，可以加分a）静默抑制可选的'AM'，b）在小时内保留可选的前导字符串'0' c）参数化小时：分钟：秒分隔符'：'
• 这个问题来自Manipulate time-range in a pandas Dataframe

标签： pythonregexdatetime-formatsubstitution