【背景】
Python中的正则表达式方面的功能，很强大。
其中就包括re.sub，实现正则的替换。
功能很强大，所以导致用法稍微有点复杂。
所以当遇到稍微复杂的用法时候，就容易犯错。
所以此处，总结一下，在使用re.sub的时候，需要注意的一些事情。
解释具体的注意事项之前，先把其具体的解释贴出来：
re.sub
- re.sub(pattern, repl, string, count=0, flags=0)
-
Return the string obtained by replacing the leftmost non-overlapping occurrences of pattern in string by the replacement repl. If the pattern isn’t found, string is returned unchanged. repl can be a string or a function; if it is a string, any backslash escapes in it are processed. That is, \n is converted to a single newline character, \r is converted to a carriage return, and so forth. Unknown escapes such as \j are left alone. Backreferences, such as \6, are replaced with the substring matched by group 6 in the pattern. For example:
>>> re.sub(r‘def\s+([a-zA-Z_][a-zA-Z_0-9]*)\s*\(\s*\):‘,
... r‘static PyObject*\npy_\1(void)\n{‘,
... ‘def myfunc():‘)
‘static PyObject*\npy_myfunc(void)\n{‘
If repl is a function, it is called for every non-overlapping occurrence of pattern. The function takes a single match object argument, and returns the replacement string. For example:
>>> def dashrepl(matchobj):
... if matchobj.group(0) == ‘-‘: return ‘ ‘
... else: return ‘-‘
>>> re.sub(‘-{1,2}‘, dashrepl, ‘pro----gram-files‘)
‘pro--gram files‘
>>> re.sub(r‘\sAND\s‘, ‘ & ‘, ‘Baked Beans And Spam‘, flags=re.IGNORECASE)
‘Baked Beans & Spam‘
The pattern may be a string or an RE object.
The optional argument count is the maximum number of pattern occurrences to be replaced; countmust be a non-negative integer. If omitted or zero, all occurrences will be replaced. Empty matches for the pattern are replaced only when not adjacent to a previous match, so sub(‘x*‘, ‘-‘, ‘abc‘) returns ‘-a-b-c-‘.
In addition to character escapes and backreferences as described above, \g<name> will use the substring matched by the group named name, as defined by the (?P<name>...) syntax. \g<number>uses the corresponding group number; \g<2> is therefore equivalent to \2, but isn’t ambiguous in a replacement such as \g<2>0. \20 would be interpreted as a reference to group 20, not a reference to group 2 followed by the literal character ‘0‘. The backreference \g<0> substitutes in the entire substring matched by the RE.
Changed in version 2.7: Added the optional flags argument.
|
re.sub的功能
re是regular expression的所写，表示正则表达式
sub是substitute的所写，表示替换；
re.sub是个正则表达式方面的函数，用来实现通过正则表达式，实现比普通字符串的replace更加强大的替换功能；
举个最简单的例子：
如果输入字符串是：
?
1
|
inputStr = "hello 111 world 111"
|
那么你可以通过
?
1
|
replacedStr = inputStr.replace("111", "222")
|
去换成
但是，如果输入字符串是：
?
1
|
inputStr = "hello 123 world 456"
|
而你是想把123和456，都换成222
（以及其他还有更多的复杂的情况的时候），
那么就没法直接通过字符串的replace达到这一目的了。
就需要借助于re.sub，通过正则表达式，来实现这种相对复杂的字符串的替换：
?
1
|
replacedStr = re.sub("\d+", "222", inputStr)
|
当然，实际情况中，会有比这个例子更加复杂的，其他各种特殊情况，就只能通过此re.sub去实现如此复杂的替换的功能了。
所以，re.sub的含义，作用，功能就是：
对于输入的一个字符串，利用正则表达式（的强大的字符串处理功能），去实现（相对复杂的）字符串替换处理，然后返回被替换后的字符串
其中re.sub还支持各种参数，比如count指定要替换的个数等等。
下面就是来详细解释其各个参数的含义。
re.sub的各个参数的详细解释
re.sub共有五个参数。
其中三个必选参数：pattern, repl, string
两个可选参数：count, flags
第一个参数：pattern
pattern，表示正则中的模式字符串，这个没太多要解释的。
需要知道的是：
- 反斜杠加数字（\N），则对应着匹配的组（matched group）
- 比如\6，表示匹配前面pattern中的第6个group
- 意味着，pattern中，前面肯定是存在对应的，第6个group，然后你后面也才能去引用
比如，想要处理：
| hello crifan, nihao crifan |
且此处的，前后的crifan，肯定是一样的。
而想要把整个这样的字符串，换成crifanli
则就可以这样的re.sub实现替换：
?
1
2
3
|
inputStr = "hello crifan, nihao crifan";
replacedStr = re.sub(r"hello (\w+), nihao \1", "crifanli", inputStr);
print "replacedStr=",replacedStr; #crifanli
|
第二个参数：repl
repl，就是replacement，被替换，的字符串的意思。
repl可以是字符串，也可以是函数。
repl是字符串
如果repl是字符串的话，其中的任何反斜杠转义字符，都会被处理的。
即：
- \n：会被处理为对应的换行符；
- \r：会被处理为回车符；
- 其他不能识别的转移字符，则只是被识别为普通的字符：
- 反斜杠加g以及中括号内一个名字，即：\g<name>，对应着命了名的组，named group
接着上面的举例：
想要把对应的：
| hello crifan, nihao crifan |
中的crifan提取出来，只剩：
就可以写成：
?
1
2
3
|
inputStr = "hello crifan, nihao crifan";
replacedStr = re.sub(r"hello (\w+), nihao \1", "\g<1>", inputStr);
print "replacedStr=",replacedStr; #crifan
|
对应的带命名的组（named group）的版本是：
?
1
2
3
|
inputStr = "hello crifan, nihao crifan";
replacedStr = re.sub(r"hello (?P<name>\w+), nihao (?P=name)", "\g<name>", inputStr);
print "replacedStr=",replacedStr; #crifan
|
repl是函数
举例说明：
比如输入内容是：
想要把其中的数字部分，都加上111，变成：
那么就可以写成：
?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
|
#!/usr/bin/python
# -*- coding: utf-8 -*-
"""
Function:
【整理】详解Python中re.sub
http://www.crifan.com/python_re_sub_detailed_introduction
Version: 2013-05-02
Author: Crifan
Contact: admin (at) crifan.com
"""
import re;
def pythonReSubDemo():
"""
demo Pyton re.sub
"""
inputStr = "hello 123 world 456";
def _add111(matched):
intStr = matched.group("number"); #123
intValue = int(intStr);
addedValue = intValue + 111; #234
addedValueStr = str(addedValue);
return addedValueStr;
replacedStr = re.sub("(?P<number>\d+)", _add111, inputStr);
print "replacedStr=",replacedStr; #hello 234 world 567
###############################################################################
if __name__=="__main__":
pythonReSubDemo();
|
第三个参数：string
string，即表示要被处理，要被替换的那个string字符串。
没什么特殊要说明。
第四个参数：count
举例说明：
继续之前的例子，假如对于匹配到的内容，只处理其中一部分。
比如对于：
| hello 123 world 456 nihao 789 |
只是像要处理前面两个数字：123,456，分别给他们加111，而不处理789，
那么就可以写成：
?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
|
#!/usr/bin/python
# -*- coding: utf-8 -*-
"""
Function:
【整理】详解Python中re.sub
http://www.crifan.com/python_re_sub_detailed_introduction
Version: 2013-05-02
Author: Crifan
Contact: admin (at) crifan.com
"""
import re;
def pythonReSubDemo():
"""
demo Pyton re.sub
"""
inputStr = "hello 123 world 456 nihao 789";
def _add111(matched):
intStr = matched.group("number"); #123
intValue = int(intStr);
addedValue = intValue + 111; #234
addedValueStr = str(addedValue);
return addedValueStr;
replacedStr = re.sub("(?P<number>\d+)", _add111, inputStr, 2);
print "replacedStr=",replacedStr; #hello 234 world 567 nihao 789
###############################################################################
if __name__=="__main__":
pythonReSubDemo();
|
第五个参数：flags
关于re.sub的注意事项
然后再来整理一些，关于re.sub的注意事项，常见的问题及解决办法：
要注意，被替换的字符串，即参数repl，是普通的字符串，不是pattern
注意到，语法是：
?
1
|
re.sub(pattern, repl, string, count=0, flags=0)
|
即，对应的第二个参数是repl。
需要你指定对应的r前缀，才是pattern：
r"xxxx"
不要误把第四个参数flag的值，传递到第三个参数count中了
否则就会出现我这里：
【已解决】Python中，（1）re.compile后再sub可以工作，但re.sub不工作，或者是（2）re.search后replace工作，但直接re.sub以及re.compile后再re.sub都不工作
遇到的问题：
当传递第三个参数，原以为是flag的值是，
结果实际上是count的值
所以导致re.sub不功能，
所以要参数指定清楚了：
?
1
|
replacedStr = re.sub(replacePattern, orignialStr, replacedPartStr, flags=re.I); # can omit count parameter
|
或：
?
1
|
replacedStr = re.sub(replacePattern, orignialStr, replacedPartStr, 1, re.I); # must designate count parameter
|
才可以正常工作。
时间： 2024-08-10 19:18:13
