使用re.sub将文本替换为匹配到的内容

Posted 2023-04-05

参考技术A 文本处理中，经常会碰到需要将某些指定字符替换掉，而保留其余部分的情况，比如：

上述文本中的 是LaTeX中的特殊字符，在整个句子中并没有什么实际含义，反而会影响我对文本的后续处理，所以我需要把上述文本中的花括号 去掉。然而，其余的文本中， 内包着的可能是公式或者其他的特殊字符，又或者有些 在文本中是有其特定含义的，我不希望把这些 也替换掉。因而不能简单地使用 replace() 来替换。
用正则的话，可以这样来处理：

输出结果为：

这里 re.sub() 的第二个参数是替换的目标，用 \1 来表示 pattern 的正则表达式中第一个小括号括住的部分，记住第二个参数的字符串前面要加 r 。
挺长时间之前这样用过，但是再次用到的时候忘了具体怎么用，百度也没找到想要的，最后还是在 stackoverflow 找打了答案，在这里记录一下。

re.sub

1.re.sub主要功能实现正则的替换。

re.sub定义：

sub(pattern, repl, string, count=0, flags=0) 

意思为：对字符串string按照正则表达式pattern，将string的匹配项替换成字符串repl。

公式解析：
pattern为表示正则中的模式字符串，
repl为replacement，被替换的内容，repl可以是字符串，也可以是函数。
string为正则表达式匹配的内容。
count：由于正则表达式匹配到的结果是多个，使用count来限定替换的个数（顺序为从左向右），默认值为0，替换所有的匹配到的结果。
flags是匹配模式，可以使用按位或’|’表示同时生效，也可以在正则表达式字符串中指定。

>import re
>re.sub(r‘\w+‘,‘10‘,"ji 43 af,geq",2,flags=re.I)
结果为：‘10 10 af,geq‘

详解：首先导入re模块，使用re.sub函数，r’\w+’为正则表达式，匹配英文单词或数字，’10’为被替换的内容，”ji 43 af,geq”为re匹配的字符串内容，count为2 只替换前两个，flags=re.I 忽略大小写。