Python3 如何优雅地使用正则表达式（详解六）

修改字符串

我们已经介绍完如何对字符进行搜索，接下来我们讲讲正则表达式如何修改字符串。

正则表达式使用以下方法修改字符串：

方法	用途
split()	在正则表达式匹配的地方进行分割，并返回一个列表
sub()	找到所有匹配的子字符串，并替换为新的内容
subn()	跟 sub() 干一样的勾当，但返回新的字符串以及替换的数目

分割字符串

正则表达式的 split() 方法将字符串在匹配的地方进行分割，并将分割后的结果作为列表返回。它的做法其实很像字符串的 split() 方法，但这个可以使用更加广泛的分隔符。你猜的没错，它同时提供了一个模块级别的函数：re.split()

.split(string[, maxsplit=0])

通过正则表达式匹配来分割字符串。如果在 RE 中，你使用了捕获组，那么它们的内容会作为一个列表返回。你可以通过传入一个 maxsplit 参数来设置分割的数量。如果 maxsplit 的值是非 0，表示至多有 maxsplit 个分割会被处理，剩下的内容作为列表的最后一个元素返回。

下边例子中，分隔符是任何非字母数字字符：

1. >>> p = re.compile(r'\W+')
   
2. >>> p.split('This is a test, short and sweet, of split().')
   
3. ['This', 'is', 'a', 'test', 'short', 'and', 'sweet', 'of', 'split', '']
   
4. >>> p.split('This is a test, short and sweet, of split().', 3)
   
5. ['This', 'is', 'a', 'test, short and sweet, of split().']

复制代码

有时候你可能不仅对分隔符之间的内容感兴趣，你可能对分隔符本身（就是正则表达式匹配的内容）也同样感兴趣。如果使用了捕获组，那么作为分隔符的值也会被返回：

1. >>> p = re.compile(r'\W+')
   
2. >>> p2 = re.compile(r'(\W+)')
   
3. >>> p.split('This... is a test.')
   
4. ['This', 'is', 'a', 'test', '']
   
5. >>> p2.split('This... is a test.')
   
6. ['This', '... ', 'is', ' ', 'a', ' ', 'test', '.', '']

复制代码

模块级别的函数 re.split() 除了将 RE 作为第一个参数外，其他参数是一样的：

1. >>> re.split('[\W]+', 'Words, words, words.')
   
2. ['Words', 'words', 'words', '']
   
3. >>> re.split('([\W]+)', 'Words, words, words.')
   
4. ['Words', ', ', 'words', ', ', 'words', '.', '']
   
5. >>> re.split('[\W]+', 'Words, words, words.', 1)
   
6. ['Words', 'words, words.']

复制代码

搜索和替换

另一个常见的任务就是找到所有的匹配部分，并替换成不同的字符串。sub 方法可以帮你实现这个愿望！sub 方法有一个 replacement  参数，它可以是一个待替换的字符串，或者一个处理字符串的函数。

.sub(replacement, string[, count=0])

返回一个字符串，这个字符串从最左边开始，所有 RE 匹配的地方都替换成 replacement。如果没有找到任何匹配，那么返回原字符串。

可选参数 count 指定最多替换的次数，必须是一个非负值。默认值是 0，意思是替换所有找到的匹配。

下边是使用 sub() 方法的例子，它会将所有的颜色替换成  color ：

1. >>> p = re.compile( '(blue|white|red)')
   
2. >>> p.sub( 'colour', 'blue socks and red shoes')
   
3. 'colour socks and colour shoes'
   
4. >>> p.sub( 'colour', 'blue socks and red shoes', count=1)
   
5. 'colour socks and red shoes'

复制代码

subn() 方法跟 sub() 方法干同样的勾当，但区别是返回值为一个包含有两个元素的元组：一个是替换后的字符串，一个是替换的数目。

1. >>> p = re.compile( '(blue|white|red)')
   
2. >>> p.subn( 'colour', 'blue socks and red shoes')
   
3. ('colour socks and colour shoes', 2)
   
4. >>> p.subn( 'colour', 'no colours at all')
   
5. ('no colours at all', 0)

复制代码

空匹配只有在它们没有紧挨着前一个匹配时才会被替换掉：

1. >>> p = re.compile('x*')
   
2. >>> p.sub('-', 'abxd')
   
3. '-a-b-d-'

复制代码

如果  replacement  参数是一个字符串，那么里边的反斜杠都会被处理。比如  \n  将会被转换成一个换行符， \r  转换成回车，等等。未知的转义如  \j  保持原样。逆向引用如  \6 ，则被 RE 中相应的捕获组匹配的内容所替换。这使你可以在替换后的字符串中插入一部分原字符串。

下边例子中，将匹配被  {  和  }  括起来的单词  section ，并将  section  替换成  subsection ：

1. >>> p = re.compile('section{ ( [^}]* ) }', re.VERBOSE)
   
2. >>> p.sub(r'subsection{\1}','section{First} section{second}')
   
3. 'subsection{First} subsection{second}'

复制代码

小甲鱼解释：1. 大家还记得吗？这里开启了 re.VERBOSE，空格将被忽略。因为这里一堆符号，用空格隔开看着才不会乱糟糟的......2. 这里  r'subsection{\1}' 使用 \1 引用匹配模式中的 ([^}]*) 匹配的字符串内容。

还可以使用 Python 的扩展语法  (?P...)  指定命名组，引用命名组的语法是  \g 。 \g  会将名字为 name  的组匹配的字符串替换进去。另外， \g<数字>  是通过组的序号进行引用。 \g<2>  其实就相当于  \2 ，但我们更提倡使用  \g<2> ，因为这样可以避免歧义。例如， \g<2>0  的含义是引用序号为  2  的组，然后后边匹配一个字符  '0' ，而你写成 \20  就会被认为是引用序号为  20  的组了。

1. >>> p = re.compile('section{ (?P [^}]* ) }', re.VERBOSE)
   
2. >>> p.sub(r'subsection{\1}','section{First}')
   
3. 'subsection{First}'
   
4. >>> p.sub(r'subsection{\g<1>}','section{First}')
   
5. 'subsection{First}'
   
6. >>> p.sub(r'subsection{\g}','section{First}')
   
7. 'subsection{First}'

复制代码

有时候你可能不满足简单的字符串替换，你可能需要在替换的过程中动点“手脚”......没关系，一样可以满足你！ replacement  参数还可以是一个函数，该函数将会在正则表达式模式每次不重复匹配的时候被调用。在每次调用时，函数会收到一个匹配对象的参数，因此你就可以利用这个对象去计算出新的字符串并返回它。

下边的例子中，替换函数将十进制数替换为十六进制数：

1. >>> def hexrepl(match):
   
2. ...     "Return the hex string for a decimal number"
   
3. ...     value = int(match.group())
   
4. ...     return hex(value)
   
5. ...
   
6. >>> p = re.compile(r'\d+')
   
7. >>> p.sub(hexrepl, 'Call 65490 for printing, 49152 for user code.')
   
8. 'Call 0xffd2 for printing, 0xc000 for user code.'

复制代码

当使用模块级的 re.sub() 函数时，正则表达式模式作为第一个参数。该模式可以是一个字符串或一个编译好的对象。如果你需要指定正则表达式标志，那么你必须使用后者；或者使用模式内嵌修正器，例如  sub("(?i)b+", "x", "bbbb BBBB")  返回  'x x' 。