python正則表達式re.sub各個參數的超詳細講解

Posted on by

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

re是正則的表達式，sub是substitute，表示替換

re.sub共有五個參數。

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

其中三個必選參數：pattern, repl, string

兩個可選參數：count, flags

二、參數講解

1、pattern參數

pattern，表示正則中的模式字符串，這個沒太多要解釋的。

需要知道的是：

反斜杠加數字：\N，則對應著匹配的組：matched group

比如\6，表示匹配前面pattern中的第6個group

意味著，pattern中，前面肯定是存在對應的組，後面也才能去引用

舉個例子

hello xinfa, nihao xinfa

我們想把xinfa替換成linxinfa，就可以這樣：

import re

inputStr = "hello xinfa, nihao xinfa"
replacedStr = re.sub(r"hello (\w+), nihao \1", "linxinfa", inputStr)
print("replacedStr = ", replacedStr) 
#輸出結果為: replacedStr = linxinfa

註意，上面的(\w+)，括號括起來表示一個組；

裡面的\w表示匹配字母、數字、下劃線，等價於[A-Za-z0-9_]；

然後+表示匹配前面的子表達式一次或多次。

所以(\w+)就是匹配多個字母、數字、下劃線的意思。表達式中的\1表示匹配第一個組，第一個組就是(\w+)。

2、repl參數

repl，就是replacement，被替換的字符串的意思。

repl可以是字符串，也可以是函數。

2.1、repl是字符串

如果repl是字符串的話，其中的任何反斜杠轉義字符，都會被處理。

比如：

\n：會被處理為對應的換行符；

\r：會被處理為回車符；

其他不能識別的轉移字符，則隻是被識別為普通的字符： 比如\j，會被處理為j這個字母本身；

比較特殊的是\g<n>，\g表示匹配組，n是組的id，比如\g<1>表示第一個組。

還是上面的例子，我們想把xinfa提取出來，隻剩xinfa

hello xinfa, nihao xinfa

就可以這樣寫：

import re

inputStr = "hello xinfa, nihao xinfa"
replacedStr = re.sub(r"hello (\w+), nihao \1", "\g<1>", inputStr)
print("replacedStr = ", replacedStr) 
#輸出結果為: replacedStr = xinfa

2.2、repl是函數

比如輸入內容是：

hello 123 world 456

想要把其中的數字部分，都加上111，變成：

hello 234 world 567

那麼就可以這樣：

#!/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")
        intValue = int(intStr)
        addedValue = intValue + 111
        addedValueStr = str(addedValue)
        return addedValueStr

    replacedStr = re.sub("(?P<number>\d+)", _add111, inputStr)
    print("replacedStr=",replacedStr) 
    #輸出結果為：replacedStr= hello 234 world 567

if __name__=="__main__":
    pythonReSubDemo()

註意上面，用瞭一個?P<value>。

?P的意思就是命名一個名字為value的組，匹配規則符合後面的\d+。

3、string參數

string，即表示要被處理，要被替換的那個string字符串。

4、count參數

舉例說明：

繼續之前的例子，假如對於匹配到的內容，隻處理其中一部分。

比如：

hello 123 world 456 nihao 789

我們隻是想要處理前面兩個數字：123，456，分別給他們加111，而不處理789，

那麼就可以這樣：

#!/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")
        intValue = int(intStr)
        addedValue = intValue + 111 
        addedValueStr = str(addedValue)
        return addedValueStr

    replacedStr = re.sub("(?P<number>\d+)", _add111, inputStr, 2)
    print("replacedStr = ", replacedStr)
	#輸出結果為：replacedStr = hello 234 world 567 nihao 789

if __name__=="__main__":
    pythonReSubDemo()

5、flags參數

flags是編譯標志。編譯標志讓你可以修改正則表達式的一些運行方式。

在re模塊中標志可以使用兩個名字，一個是全名如IGNORECASE，一個是縮寫，一字母形式如I。（如果你熟悉 Perl 的模式修改，一字母形式使用同樣的字母；例如re.VERBOSE的縮寫形式是re.X。）

多個標志可以通過按位或它們來指定。如re.I | re.M被設置成I和M標志。

下面列舉下常用的編譯標志。

5.1、IGNORECASE（簡寫I）

使匹配對大小寫不敏感；

舉個例子，[A-Z]也可以匹配小寫字母，Spam可以匹配 Spam、spam或spAM。

5.2、LOCALE（簡寫L）

locales是C語言庫中的一項功能，是用來為需要考慮不同語言的編程提供幫助的。

舉個例子，如果你正在處理法文文本，你想用 w+來匹配文字，但w隻匹配字符類[A-Za-z]，它並不能匹配é。

如果你的系統配置適當且本地化設置為法語，那麼內部的 C函數將告訴程序é也應該被認為是一個字母。

當在編譯正則表達式時使用 LOCALE標志會得到用這些 C函數來處理 w後的編譯對象，這會更慢，但也會象你希望的那樣可以用w+來匹配法文文本。

5.3、MULTILINE（簡寫M）

MULTILINE多行的意思，改變 ^ 和 $ 的行為。

使用 ^隻匹配字符串的開始，而 $則隻匹配字符串的結尾和直接在換行前（如果有的話）的字符串結尾。

當本標志指定後，^匹配字符串的開始和字符串中每行的開始。同樣的， $元字符匹配字符串結尾和字符串中每行的結尾（直接在每個換行之前）。

例如

import re

s='hello \nworld \nxinfa'
print(s)

pattern=re.compile(r'^\w+')
print(re.findall(pattern,s))

#加上flags=re.M
pattern=re.compile(r'^\w+', flags=re.M)
print(re.findall(pattern,s))

輸出結果為

hello 
world 
xinfa
['hello']
['hello', 'world', 'xinfa']

5.4、DOTALL（簡寫S）

此模式下 .的匹配不受限制，可匹配任何字符，包括換行符，也就是默認是不能匹配換行符。

例：

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

s = '''first line
    ...: second line
    ...: third line'''

regex=re.compile('.+')
print(regex.findall(s))

regex=re.compile('.+', re.S)
print(regex.findall(s))

輸出結：

['first line', '    …: second line', '    …: third line']
['first line\n    …: second line\n    …: third line']

5.5、VERBOSE（簡寫X）

冗餘模式， 此模式忽略正則表達式中的空白和#號的註釋。
例：

email_regex = re.compile("[\w+\.]+@[a-zA-Z\d]+\.(com|cn)")
 
email_regex = re.compile("""[\w+\.]+  # 匹配@符前的部分
                            @  # @符
                            [a-zA-Z\d]+  # 郵箱類別
                            \.(com|cn)   # 郵箱後綴  """, re.X)

補充：repl為函數時的用法

當repl為函數時的替換更加靈活，此時可以在函數中自定義在某種特定的匹配下替換為某種特定的字符。

示例

import re
 
# 將匹配的數字乘以 2
def double(matched):
    print('matched: ',matched)
    print("matched.group('value'): ",matched.group('value'))
    value = int(matched.group('value'))
    return str(value * 2)
 
string = 'A23G4HFD567'
print(re.sub('(?P<value>\d+)', double, string))

總結

到此這篇關於python正則表達式re.sub各個參數的超詳細講解的文章就介紹到這瞭,更多相關python正則表達式re.sub參數內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：