首页 python

# 一、前言

在字符串数据处理的过程中，正则表达式是我们经常使用到的，python 中使用的则是 re 模块。下面会通过实际案例介绍 re.sub() 的详细用法，该函数主要用于替换字符串中的匹配项。

# 二、函数原型

首先从源代码来看一下该函数原型，包括各个参数及其意义：

def sub(pattern, repl, string, count=0, flags=0):
	    """Return the string obtained by replacing the leftmost
	    non-overlapping occurrences of the pattern in string by the
	    replacement repl.  repl can be either a string or a callable;
	    if a string, backslash escapes in it are processed.  If it is a callable, it's passed the match object and must return
	    a replacement string to be used."""
	    return _compile(pattern, flags).sub(repl, string, count)

从上面的代码中可以看到 re.sub() 方法中含有 5 个参数，下面进行一一说明（加粗的为必须参数）：

  • pattern：该参数表示正则中的模式字符串；
  • repl：该参数表示要替换的字符串（即匹配到 pattern 后替换为 repl），也可以是个函数；
  • string：该参数表示要被处理（查找替换）的原始字符串；
  • count：可选参数，表示是要替换的最大次数，而且必须是非负整数，该参数默认为 0，即所有的匹配都会被替换；
  • flags：可选参数，表示编译时用的匹配模式（如忽略大小写、多行模式等），数字形式，默认为 0。

# 三、使用案例

下面将以一个字符串（包含大小写英文、数字、中英文标点、特殊符号等）作为示例进行使用案例讲解，该字符串如下：

>>> s = "大家好，我是一个程序员小白。I 'm so glad to introduce myself, and I’m 18 years old.   Today is 2020/01/01. It is a wonderful DAY! @HHHHello,,,#111ComeHere222...66？AA？zz？——http://welcome.cn"

# 1. 匹配单个数字或字母

（1）只匹配单一数字

>>> import re
>>> s
"大家好，我是一个程序员小白。I 'm so glad to introduce myself, and I’m 18 years old.   Today is 2020/01/01. It is a wonderful DAY! @HHHHello,,,#111ComeHere222...66？AA？zz？——http://welcome.cn"
>>> re.sub(r'[0-9]', '*', s)
"大家好，我是一个程序员小白。I 'm so glad to introduce myself, and I’m ** years old.   Today is ****/**/**. It is a wonderful DAY! @HHHHello,,,#***ComeHere***...**？AA？zz？——http://welcome.cn"

上面 re.sub(r'[0-9]', '*', s) 这句话则表示只匹配单一数字，并将每一个数字替换为一个星号 。

（2）只匹配单一字母

>>> s
"大家好，我是一个程序员小白。I 'm so glad to introduce myself, and I’m 18 years old.   Today is 2020/01/01. It is a wonderful DAY! @HHHHello,,,#111ComeHere222...66？AA？zz？——http://welcome.cn"
>>> re.sub(r'[a-z]', '*', s)
"大家好，我是一个程序员小白。I '* ** **** ** ********* ******, *** I’* 18 ***** ***.   T**** ** 2020/01/01. I* ** * ********* DAY! @HHHH****,,,#111C***H***222...66？AA？**？——****://*******.**"
>>> re.sub(r'[A-Z]', '*', s)
"大家好，我是一个程序员小白。* 'm so glad to introduce myself, and *’m 18 years old.   *oday is 2020/01/01. *t is a wonderful ***! @****ello,,,#111*ome*ere222...66？**？zz？——http://welcome.cn"
>>> re.sub(r'[A-Za-z]', '*', s)
"大家好，我是一个程序员小白。* '* ** **** ** ********* ******, *** *’* 18 ***** ***.   ***** ** 2020/01/01. ** ** * ********* ***! @********,,,#111********222...66？**？**？——****://*******.**"
上面 re.sub(r'[a-z]', '*', s) 这句话则表示只匹配单一小写字母，并将每一个小写字母替换为一个星号 。 上面 re.sub(r'[A-Z]', '*', s) 这句话则表示只匹配单一大写字母，并将每一个大写字母替换为一个星号 。 上面 re.sub(r'[A-Za-z]', '*', s) 这句话则表示只匹配单一字母，并将每一个字母替换为一个星号 。
（3）匹配单一数字和字母
>>> s
"大家好，我是一个程序员小白。I 'm so glad to introduce myself, and I’m 18 years old.   Today is 2020/01/01. It is a wonderful DAY! @HHHHello,,,#111ComeHere222...66？AA？zz？——http://welcome.cn"
>>> re.sub(r'[0-9A-Z]', '*', s)
"大家好，我是一个程序员小白。* 'm so glad to introduce myself, and *’m ** years old.   *oday is ****/**/**. *t is a wonderful ***! @****ello,,,#****ome*ere***...**？**？zz？——http://welcome.cn"
>>> re.sub(r'[0-9a-z]', '*', s)
"大家好，我是一个程序员小白。I '* ** **** ** ********* ******, *** I’* ** ***** ***.   T**** ** ****/**/**. I* ** * ********* DAY! @HHHH****,,,#***C***H******...**？AA？**？——****://*******.**"
>>> re.sub(r'[0-9A-Za-z]', '*', s)
"大家好，我是一个程序员小白。* '* ** **** ** ********* ******, *** *’* ** ***** ***.   ***** ** ****/**/**. ** ** * ********* ***! @********,,,#**************...**？**？**？——****://*******.**"
上面 re.sub(r'[0-9A-Z]', '*', s) 这句话则表示只匹配单一数字和大写字母，并将每一个数字和大写字母替换为一个星号 。 上面 re.sub(r'[0-9a-z]', '*', s) 这句话则表示只匹配单一数字和小写字母，并将每一个数字和小写字母替换为一个星号 。 上面 re.sub(r'[0-9A-Za-z]', '*', s) 这句话则表示只匹配单一数字和字母，并将每一个数字和字母替换为一个星号 。
# 2. 匹配多个数字或字母
注意：这里的所说的多个指的是大于等于一个。
（1）匹配多个数字
>>> s
	"大家好，我是一个程序员小白。I 'm so glad to introduce myself, and I’m 18 years old.   Today is 2020/01/01. It is a wonderful DAY! @HHHHello,,,#111ComeHere222...66？AA？zz？——http://welcome.cn"
	>>> re.sub(r'[0-9]+', '*', s)
	"大家好，我是一个程序员小白。I 'm so glad to introduce myself, and I’m * years old.   Today is */*/*. It is a wonderful DAY! @HHHHello,,,#*ComeHere*...*？AA？zz？——http://welcome.cn"
上面 re.sub(r'[0-9]+', '*', s) 这句话则表示匹配多个连续的数字，并将多个连续的数字替换为一个星号 。
（2）匹配多个字母
>>> s
	"大家好，我是一个程序员小白。I 'm so glad to introduce myself, and I’m 18 years old.   Today is 2020/01/01. It is a wonderful DAY! @HHHHello,,,#111ComeHere222...66？AA？zz？——http://welcome.cn"
	>>> re.sub(r'[a-z]+', '*', s)
	"大家好，我是一个程序员小白。I '* * * * * *, * I’* 18 * *.   T* * 2020/01/01. I* * * * DAY! @HHHH*,,,#111C*H*222...66？AA？*？——*://*.*"
	>>> re.sub(r'[A-Z]+', '*', s)
	"大家好，我是一个程序员小白。* 'm so glad to introduce myself, and *’m 18 years old.   *oday is 2020/01/01. *t is a wonderful *! @*ello,,,#111*ome*ere222...66？*？zz？——http://welcome.cn"
	>>> re.sub(r'[a-zA-Z]+', '*', s)
	"大家好，我是一个程序员小白。* '* * * * * *, * *’* 18 * *.   * * 2020/01/01. * * * * *! @*,,,#111*222...66？*？*？——*://*.*"
上面 re.sub(r'[a-z]+', '*', s) 这句话则表示匹配多个连续的小写字母，并将多个连续的小写字母替换为一个星号 。 上面 re.sub(r'[A-Z]+', '*', s) 这句话则表示匹配多个连续的大写字母，并将多个连续的大写字母替换为一个星号 。 上面 re.sub(r'[A-Za-z]+', '*', s) 这句话则表示匹配多个连续的字母，并将多个连续的字母替换为一个星号 。
（3）匹配多个数字和字母
>>> s
	"大家好，我是一个程序员小白。I 'm so glad to introduce myself, and I’m 18 years old.   Today is 2020/01/01. It is a wonderful DAY! @HHHHello,,,#111ComeHere222...66？AA？zz？——http://welcome.cn"
	>>> re.sub(r'[0-9a-zA-Z]+', '*', s)
	"大家好，我是一个程序员小白。* '* * * * * *, * *’* * * *.   * * */*/*. * * * * *! @*,,,#*...*？*？*？——*://*.*"
上面 re.sub(r'[0-9A-Za-z]+', '*', s) 这句话则表示匹配多个连续的数字和字母，并将多个连续的数字、连续的字母、连续的数字和字母替换为一个星号 。
# 3. 匹配其他
（1）匹配非数字
>>> s
	"大家好，我是一个程序员小白。I 'm so glad to introduce myself, and I’m 18 years old.   Today is 2020/01/01. It is a wonderful DAY! @HHHHello,,,#111ComeHere222...66？AA？zz？——http://welcome.cn"
	>>> re.sub(r'[^0-9]', '*', s)
	'********************************************************18***********************2020*01*01**************************************111********222***66**************************'
	>>> re.sub(r'[^0-9]+', '*', s)
	'*18*2020*01*01*111*222*66*'
上面 re.sub(r'[^0-9]', '*', s) 这句话则表示匹配单个非数字，并将单个非数字替换为一个星号 。 上面 re.sub(r'[^0-9]+', '*', s) 这句话则表示匹配多个连续的非数字，并将多个连续的非数字替换为一个星号 。
（2）匹配非字母
>>> s
	"大家好，我是一个程序员小白。I 'm so glad to introduce myself, and I’m 18 years old.   Today is 2020/01/01. It is a wonderful DAY! @HHHHello,,,#111ComeHere222...66？AA？zz？——http://welcome.cn"
	>>> re.sub(r'[^a-z]', '*', s)
	'*****************m*so*glad*to*introduce*myself**and***m****years*old*****oday*is**************t*is*a*wonderful***********ello********ome*ere************zz***http***welcome*cn'
	>>> re.sub(r'[^A-Z]', '*', s)
	'**************I*************************************I*******************T********************I*****************DAY***HHHH***********C***H************AA***********************'
	>>> re.sub(r'[^A-Za-z]', '*', s)
	'**************I**m*so*glad*to*introduce*myself**and*I*m****years*old****Today*is*************It*is*a*wonderful*DAY***HHHHello*******ComeHere*********AA*zz***http***welcome*cn'
	>>> re.sub(r'[^a-z]+', '*', s)
	'*m*so*glad*to*introduce*myself*and*m*years*old*oday*is*t*is*a*wonderful*ello*ome*ere*zz*http*welcome*cn'
	>>> re.sub(r'[^A-Z]+', '*', s)
	'*I*I*T*I*DAY*HHHH*C*H*AA*'
	>>> re.sub(r'[^A-Za-z]+', '*', s)
	'*I*m*so*glad*to*introduce*myself*and*I*m*years*old*Today*is*It*is*a*wonderful*DAY*HHHHello*ComeHere*AA*zz*http*welcome*cn'
上面 re.sub(r'[^a-z]', '*', s) 这句话则表示匹配单个非小写字母，并将单个非小写字母替换为一个星号 。 上面 re.sub(r'[^A-Z]', '*', s) 这句话则表示匹配单个非大写字母，并将单个非大写字母替换为一个星号 。 上面 re.sub(r'[^A-Za-z]', '*', s) 这句话则表示匹配单个非字母，并将单个非字母替换为一个星号 。 上面 re.sub(r'[^a-z]+', '*', s) 这句话则表示匹配多个连续的非小写字母，并将多个连续的非小写字母替换为一个星号 。 上面 re.sub(r'[^A-Z]+', '*', s) 这句话则表示匹配多个连续的非大写字母，并将多个连续的非大写字母替换为一个星号 。 上面 re.sub(r'[^A-Za-z]+', '*', s) 这句话则表示匹配多个连续的非字母，并将多个连续的非字母替换为一个星号 。
（3）匹配非数字和非字母
>>> s
	"大家好，我是一个程序员小白。I 'm so glad to introduce myself, and I’m 18 years old.   Today is 2020/01/01. It is a wonderful DAY! @HHHHello,,,#111ComeHere222...66？AA？zz？——http://welcome.cn"
	>>> re.sub(r'[^0-9A-Za-z]', '*', s)
	'**************I**m*so*glad*to*introduce*myself**and*I*m*18*years*old****Today*is*2020*01*01**It*is*a*wonderful*DAY***HHHHello****111ComeHere222***66*AA*zz***http***welcome*cn'
	>>> re.sub(r'[^0-9A-Za-z]+', '*', s)
	'*I*m*so*glad*to*introduce*myself*and*I*m*18*years*old*Today*is*2020*01*01*It*is*a*wonderful*DAY*HHHHello*111ComeHere222*66*AA*zz*http*welcome*cn'
上面 re.sub(r'[^0-9A-Za-z]', '*', s) 这句话则表示匹配单个非数字和非字母，并将单个非数字和非字母替换为一个星号 。 上面 re.sub(r'[^0-9A-Za-z]+', '*', s) 这句话则表示匹配多个连续的非数字和非字母，并将多个连续的非数字和非字母替换为一个星号 。
（4）匹配固定形式
a. 只保留字母和空格，将 repl 设置为空字符即可。
>>> s
	"大家好，我是一个程序员小白。I 'm so glad to introduce myself, and I’m 18 years old.   Today is 2020/01/01. It is a wonderful DAY! @HHHHello,,,#111ComeHere222...66？AA？zz？——http://welcome.cn"
	>>> re.sub(r'[^a-z ]', '', s)
	' m so glad to introduce myself and m  years old   oday is  t is a wonderful  elloomeerezzhttpwelcomecn'
	>>> re.sub(r'[^a-z ]+', '', s)
	' m so glad to introduce myself and m  years old   oday is  t is a wonderful  elloomeerezzhttpwelcomecn'
	>>> re.sub(r'[^A-Za-z ]', '', s)
	'I m so glad to introduce myself and Im  years old   Today is  It is a wonderful DAY HHHHelloComeHereAAzzhttpwelcomecn'
	>>> re.sub(r'[^A-Za-z ]+', '', s)
	'I m so glad to introduce myself and Im  years old   Today is  It is a wonderful DAY HHHHelloComeHereAAzzhttpwelcomecn'
如果要使句子语义和结构更完整，则要先将其余字符替换为空格（即 repl 设置为空格），然后去除多余的空格，如下：
>>> s1 = re.sub(r'[^A-Za-z ]+', ' ', s)
	>>> s1
	' I  m so glad to introduce myself  and I m   years old    Today is   It is a wonderful DAY   HHHHello ComeHere AA zz http welcome cn'
	>>> re.sub(r'[ ]+', ' ', s1)
	' I m so glad to introduce myself and I m years old Today is It is a wonderful DAY HHHHello ComeHere AA zz http welcome cn'
b. 去除以 @ 开头的英文单词
>>> s
	"大家好，我是一个程序员小白。I 'm so glad to introduce myself, and I’m 18 years old.   Today is 2020/01/01. It is a wonderful DAY! @HHHHello,,,#111ComeHere222...66？AA？zz？——http://welcome.cn"
	>>> re.sub(r'@[A-Za-z]+', '', s)
	"大家好，我是一个程序员小白。I 'm so glad to introduce myself, and I’m 18 years old.   Today is 2020/01/01. It is a wonderful DAY! ,,,#111ComeHere222...66？AA？zz？——http://welcome.cn"
c. 去除以 ？结尾的英文单词和数字（注意这是中文问号）
>>> s
	"大家好，我是一个程序员小白。I 'm so glad to introduce myself, and I’m 18 years old.   Today is 2020/01/01. It is a wonderful DAY! @HHHHello,,,#111ComeHere222...66？AA？zz？——http://welcome.cn"
	>>> re.sub(r'[A-Za-z]+？', '', s)
	"大家好，我是一个程序员小白。I 'm so glad to introduce myself, and I’m 18 years old.   Today is 2020/01/01. It is a wonderful DAY! @HHHHello,,,#111ComeHere222...66？——http://welcome.cn"
	>>> re.sub(r'[0-9A-Za-z]+？', '', s)
	"大家好，我是一个程序员小白。I 'm so glad to introduce myself, and I’m 18 years old.   Today is 2020/01/01. It is a wonderful DAY! @HHHHello,,,#111ComeHere222...——http://welcome.cn"
d. 去除原始字符串中的 URL
>>> s
	"大家好，我是一个程序员小白。I 'm so glad to introduce myself, and I’m 18 years old.   Today is 2020/01/01. It is a wonderful DAY! @HHHHello,,,#111ComeHere222...66？AA？zz？——http://welcome.cn"
	>>> re.sub(r'http[:.]+\S+', '', s)
	"大家好，我是一个程序员小白。I 'm so glad to introduce myself, and I’m 18 years old.   Today is 2020/01/01. It is a wonderful DAY! @HHHHello,,,#111ComeHere222...66？AA？zz？——"