Python Regex二进制文件文本文件 - 如何使用一系列数字和单词边界

Question

我有一个文本文件，需要我以二进制阅读并以二进制文字写出。没问题。我需要用XS掩盖社会安全号码，通常很容易：

text = re.sub("\bd{3}-d{2}-{4}\b","XXX-XX-XXXX", text)

这是我要解析的文本的示例：

more stuff here CHILDREN�S 001-02-0003 get rid of that stuff goes here not001-02-0003 but ssn:001-02-0003

我需要将其变成：

more stuff here CHILDREN�S XXX-XX-XXXX get rid of that stuff goes here not001-02-0003 but ssn:XXX-XX-XXXX

超级！因此，现在我试图在二进制中写下相同的正则义务。这是我所拥有的，它是"工作"，但天哪，它根本不正确：

line = re.sub(b"\B(x000|x001|x002|x003|x004|x005|x006|x007|x008|x009)(x000|x001|x002|x003|x004|x005|x006|x007|x008|x009)(x000|x001|x002|x003|x004|x005|x006|x007|x008|x009)x00-(x000|x001|x002|x003|x004|x005|x006|x007|x008|x009)(x000|x001|x002|x003|x004|x005|x006|x007|x008|x009)x00-(x000|x001|x002|x003|x004|x005|x006|x007|x008|x009)(x000|x001|x002|x003|x004|x005|x006|x007|x008|x009)(x000|x001|x002|x003|x004|x005|x006|x007|x008|x009)(x000|x001|x002|x003|x004|x005|x006|x007|x008|x009)\B", b"x00Xx00Xx00Xx00-x00Xx00Xx00-x00Xx00Xx00Xx00X", line)

注意：

• 在儿童中的垃圾，必须像这样保持
• 需要到边界，因此第四行不会被掩盖

我的正则是一系列数字吗？我只是不知道该怎么做。我的单词边界仅起作用向后 b而不是 b，呃。

update ：我也尝试过：

line = re.sub(b"[x30-x39]", b"x58", line)

这是每个数字都可以做到的，但是如果我尝试做一些简单的事情，例如：

line = re.sub(b"[x30-x39][x30-x39]", b"x58x58", line)

它不再匹配任何东西，任何想法为什么？

Answer 1

您可以尝试：

import re
rx = re.compile(r'bd{3}-d{2}-d{4}b')
with open("test.txt", "rb") as fr, open("test2.txt", "wb+") as fp:
    repl = rx.sub('XXX-XX-XXXX', fr.read())
    fp.write(repl)

这将每个垃圾字符保持原样，并将其写入test2.txt。
请注意，当您不希望每个后斜线逃脱时，可以在Python中使用r'string here'。