re.sub实例
Evernote的content处理
去掉最开始的xml头
处理前：
<?xml version="1.0" encoding="UTF-8" standalone="no"?>\n<!DOCTYPE en-note SYSTEM "http://xml.evernote.com/pub/enml2.dtd">\n<en-note>xxx
代码：
re.sub('<\?xml version="1.0" encoding="UTF-8" standalone="no"\?>\s*', "", noteHtmlWithXml)
处理后：
<!DOCTYPE en-note SYSTEM "http://xml.evernote.com/pub/enml2.dtd">\n<en-note>xxx
去掉开始的en-note头
处理前：
<!DOCTYPE en-note SYSTEM "http://xml.evernote.com/pub/enml2.dtd">xxx
或：
<!DOCTYPE en-note SYSTEM "http://xml.evernote.com/pub/enml2.dtd">\nxxx
或：
<!DOCTYPE en-note SYSTEM 'http://xml.evernote.com/pub/enml2.dtd'>xxx
代码：
noteHtmlNoEnNote = re.sub("""<!DOCTYPE en-note SYSTEM ((")|('))http://xml\.evernote\.com/pub/enml2\.dtd((")|('))>\s*""", "", eachNoteWithEnNote)
处理后：
xxx
代码解析：
((")|('))：用于匹配双引号"或'都支持\s*：用于匹配最后的\n
处理en-meida的tag
处理前：
<en-media hash="7c54d8d29cccfcfe2b48dd9f952b715b" type="image/png"></en-media>
代码：
re.sub("(?P<enMedia><en-media\s+[^<>]+)>\s*</en-media>", "\g<enMedia> />", noteHtmlEnMedia)
处理后：
<en-media hash="7c54d8d29cccfcfe2b48dd9f952b715b" type="image/png" />
替换最顶层tag
处理前：
<html>
xxx
yyy
zzz
</html>
代码：
noteContent = re.sub('<html>(?P<contentBody>.+)</html>', "<en-note>\g<contentBody></en-note>", noteHtml)
处理后：
<en-note>
xxx
yyy
zzz
</en-note>
代码解析：
(?P<contentBody>.+)和\g<contentBody>(?P<contentBody>.+)：是替换前的 pattern，是普通的命名的组named group\g<contentBody>：是被替换为的repl的内容，其中可以用\g<groupName>，表示引用替换内容中的命名的组- 此处用来：引用之前html的内容主体contentBody部分的字符串