Python regexバイナリファイルのテキストファイル - 数字と単語の境界をどのように使うか？

Question

私はバイナリでそれを読んでバイナリで書き出す必要があるテキストファイルを持っています。問題ない。私は通常、非常に簡単、のXと社会保障番号をマスクする必要があります。

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

これは私が解析していたテキストのサンプルです：

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

と私は有効にする必要がありますこの中にそれ：

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

スーパー！だから今私はバイナリで同じ正規表現を書くことを試みている。ここで私が持っているものであり、それはだ「作品」が、それは右のすべてで感じていないおやっ：

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：

• CHILDRENSでジャンク、お奨めは、そのようにそれを維持することを
• は、このように第四行は私の正規表現ではなく、数字の範囲すべきではない

をマスクされません、ワード境界に必要ですか？私はちょうどバイナリでそれを行う方法を知らない。そして私の言葉の境界は、\ bの代わりにの後方にとして\ Bとしか働かないのです。

UPDATE：私も、この試みた：

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

をし、それはすべての数のためにそれを行いますが、私ものような単純な何かをしようとした場合：

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

もう何も一致しません。理由は何ですか？

Answer 1

あなたは試してみてください：これは、彼らがそうであるように、すべてのジャンク文字を保持し、test2.txtに書き込む

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) 

。
すべてのバックスラッシュをエスケープしないようにする場合は、Pythonにr'string here'を使用できます。