详解Python中re.sub

转自：https://www.crifan.com/python_re_sub_detailed_introduction/

【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 ofpattern 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 ofpattern. 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;count must 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, sosub('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 namedname, 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

"hello 222 world 222"

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：
  • 比如\j，会被处理为j这个字母本身；
• 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：

crifan

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：

hello 123 world 456

想要把其中的数字部分，都加上111，变成：

hello 234 world 567

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。