Python正则表达式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，需要我在二进制文件中读取它，并用二进制写出。没问题。我需要屏蔽掉有两个X身分证号码，很容易正常：

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

这是我解析文本的样本：

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

，我需要打开它转换成：

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

超！所以现在我试图用二进制编写相同的正则表达式。这里是我有什么，它的“作品”，但它天哪，感觉不对都：

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"\x00X\x00X\x00X\x00-\x00X\x00X\x00-\x00X\x00X\x00X\x00X", line)

注：

• 的垃圾对于儿童，我要坚持这样说，这
• 需要字边界，因此4号线不会被屏蔽掉

不该我正则表达式是数字，而不是一个范围？我只是不知道如何在二进制中做到这一点。而我的词语界限只能用作为\ B而不是\ b，呃..这是怎么回事？

更新：我也试过这样：

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

，并且它会为每一个数字，但是如果我尝试连做喜欢的事，很简单：

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

它不匹配任何东西，为什么？

Answer 1

您可以试试：

import re 

rx = re.compile(r'\b\d{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) 

这每一个垃圾字符保留，因为它们并将它们写入test2.txt。
请注意，如果您不希望每个反斜杠都被转义，则可以在Python中使用r'string here'。