详解Python中re.sub

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