详解Python中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:      
inputStr = "hello 111 world 111"


那么你可以通过    
replacedStr = inputStr.replace("111", "222")

去换成  
"hello 222 world 222"


但是,如果输入字符串是:   
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:    
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:  

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:  

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:  

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:    

#!/usr/bin/python    
# -*- coding: utf-8 -*-
      
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:  

#!/usr/bin/python    
# -*- coding: utf-8 -*-      

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