首页 > 代码库 > 详解Python中re.sub--转载
详解Python中re.sub--转载
【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。
详解Python中re.sub--转载