re.sub 使用技巧：捕获分组

re.sub 使用技巧：捕获分组

---

1. re.sub

调用格式：

re.sub(pattern, repl, string, count=0, flags=0)

这里记录一下当repl参数为函数时的使用方法。

方法一：

import re

def dashrepl(matchobj):
	if matchobj.group(0) == '-': return ' '
	else: return '-'
	
re.sub('-{1,2}', dashrepl, 'pro----gram-files')

方法二：

import re

dashrepl = lambda x:" " if x.group(0)=="-" else "-"	
re.sub('-{1,2}', dashrepl, 'pro----gram-files')

------------------------------ 2020-09-30 更新 ------------------------------

2 关于re.sub 不能如re.findall/match/search 一样捕获分组进行替换或者删除

上样例代码：

import re

s = 'Data: year=2018, monthday=1, month=5, some other text'
reg = r"year=(\d{4}), monthday=(\d{1}), month=(\d{1})"

re.findall:

re.findall(reg,s)

output: [('2018', '1', '5')]

re.sub:

re.sub(reg, "", s)

output: 'Data: , some other text'

由结果可看到：re.sub 替换的是匹配到的所有，在样例中则是包含"year=…"

Stackoverflow 上有说明原因：python re.findall vs re.sub

解决办法：

StackOverflow上有一些解决办法，但是大都不通用或者需要更改你的正则表达式和替换表达式，或者复杂，没有一个通用的方法，故自己一番琢磨后，把解决办法分享出来，如下：

使用上文[1 re.sub](#1 re.sub)的repl方法

def repl(match):
    _reg = "|".join(match.groups())
    return re.sub(_reg, "",match.group(0)) if _reg else ""

调用:

re.sub(reg,repl, s)

output: 'Data: year=, monthday=, month=, some other text'

注意此方法仅适用于删除， 进阶使用替换的时候，传入替换字符：

r = "我是替换字符"
def repl(match):
    _reg = "|".join(match.groups())
    return re.sub(_reg, r,match.group(0)) if _reg else r

# 调用
re.sub(reg,repl, s)

output: 'Data: year=我是替换字符, monthday=我是替换字符, month=我是替换字符, some other text'

此方法适用于多分组情况或者无分组情况， 当然如果所有需求里都不会出现 没有分组 的情况时， 可以将末尾的 if _reg else r去掉，以节省性能，如下：

r = "我是替换字符"
def repl(match):
    _reg = "|".join(match.groups())
    return re.sub(_reg, r,match.group(0))

# 调用
re.sub(reg,repl, s)

------------------------------ 更新 ------------------------------

如果匹配结果是多行值：上述不奏效，提供一种思路：

如果有一个分组，且分组匹配出来是多行的字符串，这时使用re.sub+str.replace结合：

def repl2(match):
    _reg = match.groups()[0]
    return match.group(0).replace(_reg, "")