python正则re.sub的使用

(Owed by: 春夜喜雨 http://blog.csdn.net/chunyexiyu)

参考：python核心编程

re.sub函数的作用是：用来做字符串内容的匹配与替换

 

函数说明：re.sub(pattern, repl, string, count=0)

返回：返回替换后的内容

参数：pattern-正则匹配表达式，匹配输入字符串string中的待替换项

参数：repl-匹配到后替换为的内容串

参数: string-待替换处理的字符串

参数：count-替换的个数，缺省=0替换所有匹配项

 

关于Pattern参数的构造，是相对比较复杂的，不过如果你使用过其它语言的正则（例如c++），会发现Patten定义和其它没有什么大的区别：

例1，匹配多个字符的替换

我们知道windows中，文件名不能有这些特殊字符<>/:*?"|\，一旦出现，文件名创建时就会出错了，这时，做一个通配的替换就很有必要了：

我们知道[]中的所有字符可以作为匹配项，那么patten就可以如下这么定义：注意‘\’符号需要两次转义，当然如果使用rawstring就只会一次转义了

#把fileName中的:<>/:*?"|\替换为"_"
fileName = re.sub('[<>/:*?"|\\\\]', "_", fileName)

#使用rawstring
fileName = re.sub(r'[<>/:*?"|\\]', "_", fileName)

 

例2, 把多个相同字符换成一个的替换

有时，我们会遇到这样的内容, 空格很多-“a   b      d     e"，或中间处理态出了这样的内容“a____b_c_d"

我们只想保留一个空格或下划线，这时，可以借助特殊匹配符号

*匹配0次或多次   +匹配1次或多次  ？匹配0次或1次

#replace __* to _
title = re.sub('__*', "_", title)

例3, 去除一些匹配内容

例如，去除内部的标签信息，例如  民主_CSDN  法制___123__CSDN 民生CSDN，把里面的一些字符去掉

可以借助()把匹配作为子组和特殊匹配附组合

#remove _*123_*CSDN and _*CSDN
title = re.sub('(_*123)?_*CSDN', "", title)

(Owed by: 春夜喜雨 http://blog.csdn.net/chunyexiyu)