本文介绍一种基于“分段匹配 + 回调函数”的优雅方案，利用 re.sub 配合自定义替换函数，在全局文本中精准跳过由 ---- 包围的特殊区块，仅对区块外内容执行正则替换，完美支持跨行、空块及嵌套边界等复杂场景。
本文介绍一种基于“分段匹配 + 回调函数”的优雅方案，利用 `re.sub` 配合自定义替换函数，在全局文本中精准跳过由 `----` 包围的特殊区块，仅对区块外内容执行正则替换，完美支持跨行、空块及嵌套边界等复杂场景。
在处理结构化文本（如 Markdown 片段、配置模板或文档注释）时，常需对全文进行正则替换，但必须安全跳过某些受保护区域（例如被 ---- 包围的代码块、公式块或原始内容区）。难点在于：这些区域无方向性（起止标记相同）、可能为空、可连续出现，且替换逻辑本身可能跨行（如数学公式 $...$），无法依赖简单的行级过滤或断言（lookaround）。
最直接且健壮的解法是：将文本按“保护块”自然切分为“可替换段”与“不可替换段”，再分别处理。这可通过一个精心设计的正则模式配合 re.sub 的回调函数实现：
import re
def exclude_blocks_and_sub(text, pattern, repl, flags=0):
"""
在 text 中执行正则替换，自动跳过所有以 '----' 为边界的区块（含空块）
Args:
text: 原始字符串
pattern: 要匹配并替换的正则模式（作用于非区块区域）
repl: 替换内容（支持字符串或函数）
flags: re 模块标志（如 re.S、re.I）
Returns:
替换后的新字符串
"""
# 匹配模式：捕获「前导非区块内容」+「完整区块（含边界）」+「后续非区块内容」
# (?s) 启用单行模式，使 . 匹配换行符；*? 表示非贪婪匹配
block_pat = r"(.*?)(-+\n.*?-+(?:\n|\Z))(.*?)(?=-+|\Z)"
def sub_callback(match):
g1 = match.group(1) # 区块前的内容（可替换）
g2 = match.group(2) # 完整区块（含 ---- 边界，不替换）
g3 = match.group(3) # 区块后的内容（可替换）
# 对 g1 和 g3 分别应用用户指定的替换逻辑
# 注意：若 repl 是函数，需确保其兼容字符串输入
if callable(repl):
processed_g1 = re.sub(pattern, repl, g1, flags=flags)
processed_g3 = re.sub(pattern, repl, g3, flags=flags)
else:
processed_g1 = re.sub(pattern, repl, g1, flags=flags)
processed_g3 = re.sub(pattern, repl, g3, flags=flags)
return processed_g1 + g2 + processed_g3
# 递归处理：每次匹配一个区块及其前后文，直到无更多匹配
# 使用 re.sub(..., count=1) 避免无限循环，并确保从左到右顺序处理
result = text
while True:
new_result = re.sub(block_pat, sub_callback, result, count=1, flags=re.S)
if new_result == result:
break
result = new_result
# 处理末尾未被区块包裹的剩余内容（即最后一个区块之后的所有文本）
# 此部分在上述循环中未被覆盖，需单独替换
last_block_end = re.search(r"-+\n.*?-+(?:\n|\Z)", result, re.S)
if last_block_end:
tail_start = last_block_end.end()
tail = result[tail_start:]
if tail.strip(): # 非空尾部才替换
result = result[:tail_start] + re.sub(pattern, repl, tail, flags=flags)
return result
# 示例使用：将所有独立的 "text" 替换为 "TEXT"，但跳过 ---- 区块内
text = """some text
----
text inside special block
----
some text
----
----
some text
----
text inside special block
----
some text"""
result = exclude_blocks_and_sub(
text,
pattern=r"\btext\b", # 精确匹配单词 "text"
repl="TEXT"
)
print(result)✅ 核心优势：
- 真正全局感知：不依赖行号或预扫描索引，天然支持跨行匹配（如 \$[^\$]*\$ 类型公式）；
- 鲁棒处理边界：正则 (-+\n.*?-+(?:\n|\Z)) 准确捕获任意长度的 ---- 边界（包括空块 ----\n----）；
- 零侵入式：原逻辑（pattern 和 repl）完全复用，仅增加一层安全封装；
- 可扩展性强：轻松适配多类型保护块（只需修改 block_pat）。
⚠️ 注意事项：
立即学习“Python免费学习笔记（深入）”；
- 若保护块标记本身需支持转义或嵌套，应升级为状态机解析（如 pyparsing），正则不再适用；
- 对超大文件（GB 级），建议改用流式逐块读取 + 内存映射，避免一次性加载；
- re.S 标志至关重要——它让 . 匹配换行符，否则无法捕获跨行区块。
该方案摒弃了繁琐的索引管理与行级判断，在保持代码简洁的同时，提供了生产环境所需的可靠性与可维护性。
