详解Python中re.sub

作者: NataliaTsunako | 来源:发表于2017-08-05 12:23 被阅读0次

    【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; 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。https://www.crifan.com/python_re_sub_detailed_introduction/

    相关文章

      网友评论

        本文标题:详解Python中re.sub

        本文链接:https://www.haomeiwen.com/subject/ppbilxtx.html