用python中的序号字符串替换模式

Question

我正在尝试在python中实现以下替换。用{n}替换所有html标记并创建[tag，{n}]的哈希值。
原始字符串->“ <h>这是一个字符串。</H><P>这是另一部分。</P>”
替换后的文本->“ {0}这是一个字符串。 1} {2}是另一部分。{3}”

这是我的代码。我从替换开始，但是由于无法确定以连续方式替换每次出现的最佳方法（例如，用{0}，{1}等），所以我陷入了替换逻辑中：

import re
text = "<h> This is a string. </H><p> This is another part. </P>"

num_mat = re.findall(r"(?:<(\/*)[a-zA-Z0-9]+>)",text)
print(str(len(num_mat)))

reg = re.compile(r"(?:<(\/*)[a-zA-Z0-9]+>)",re.VERBOSE)

phctr = 0
#for phctr in num_mat:
#    phtxt = "{" + str(phctr) + "}"
phtxt = "{" + str(phctr) + "}"
newtext = re.sub(reg,phtxt,text)

print(newtext)

有人可以提供更好的方法来实现这一目标吗？谢谢！

Answer 1

import re
import itertools as it

text = "<h> This is a string. </H><p> This is another part. </P>"

cnt = it.count()
print re.sub(r"</?\w+>", lambda x: '{{{}}}'.format(next(cnt)), text)

版画

{0} This is a string. {1}{2} This is another part. {3}

仅适用于简单标签（标签中没有属性/空格）。对于扩展标签，您必须调整正则表达式。

同样，不重新初始化cnt = it.count()将使编号继续进行。

更新以获取映射字典：

import re
import itertools as it

text = "<h> This is a string. </H><p> This is another part. </P>"

cnt = it.count()
d = {}
def replace(tag, d, cnt):
    if tag not in d:
        d[tag] = '{{{}}}'.format(next(cnt))
    return d[tag]
print re.sub(r"(</?\w+>)", lambda x: replace(x.group(1), d, cnt), text)
print d

印刷品：

{0} This is a string. {1}{2} This is another part. {3}
{'</P>': '{3}', '<h>': '{0}', '<p>': '{2}', '</H>': '{1}'}