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:
>>> p = re.compile(r'\W+')
>>> p.split('This is a test, short and sweet, of split().')
['This', 'is', 'a', 'test', 'short', 'and', 'sweet', 'of', 'split', '']
>>> p.split('This is a test, short and sweet, of split().', 3)
['This', 'is', 'a', 'test, short and sweet, of split().']
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:
>>> p = re.compile(r'\W+')
>>> p2 = re.compile(r'(\W+)')
>>> p.split('This... is a test.')
['This', 'is', 'a', 'test', '']
>>> p2.split('This... is a test.')
['This', '... ', 'is', ' ', 'a', ' ', 'test', '.', '']
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:
>>> re.split('[\W]+', 'Words, words, words.')
['Words', 'words', 'words', '']
>>> re.split('([\W]+)', 'Words, words, words.')
['Words', ', ', 'words', ', ', 'words', '.', '']
>>> re.split('[\W]+', 'Words, words, words.', 1)
['Words', 'words, words.']
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:
>>> p = re.compile( '(blue|white|red)')
>>> p.sub( 'colour', 'blue socks and red shoes')
'colour socks and colour shoes'
>>> p.sub( 'colour', 'blue socks and red shoes', count=1)
'colour socks and red shoes'
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。
>>> p = re.compile( '(blue|white|red)')
>>> p.subn( 'colour', 'blue socks and red shoes')
('colour socks and colour shoes', 2)
>>> p.subn( 'colour', 'no colours at all')
('no colours at all', 0)
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:
>>> p = re.compile('x*')
>>> p.sub('-', 'abxd')
'-a-b-d-'
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
:
>>> p = re.compile('section{ ( [^}]* ) }', re.VERBOSE)
>>> p.sub(r'subsection{\1}','section{First} section{second}')
'subsection{First} subsection{second}'
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<name>...)
指定命名组,引用命名组的语法是 \g<name>
。\g<name>
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。
>>> p = re.compile('section{ (?P<name> [^}]* ) }', re.VERBOSE)
>>> p.sub(r'subsection{\1}','section{First}')
'subsection{First}'
>>> p.sub(r'subsection{\g<1>}','section{First}')
'subsection{First}'
>>> p.sub(r'subsection{\g<name>}','section{First}')
'subsection{First}'
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:
>>> def hexrepl(match):
... "Return the hex string for a decimal number"
... value = int(match.group())
... return hex(value)
...
>>> p = re.compile(r'\d+')
>>> p.sub(hexrepl, 'Call 65490 for printing, 49152 for user code.')
'Call 0xffd2 for printing, 0xc000 for user code.'
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'
。