re.sub的使用方法有哪些？

Posted 2023-04-05

参考技术A re是正则的表达式,sub是substitute表示替换

re.sub是相对复杂点的替换

举个例子：

inputs = "hello 11 word 11"

想11变成22

replacestr = inputs.replace("11","22)

但是如果是inputs = “hello 123 world 345”

想把数字都替换成222

就需要用正则替换

re.sub的参数： 有五个参数

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

其中三个必选参数：pattern, repl, string

两个可选参数：count, flags

第一个：pattern

pattern，表示正则中的模式字符串。

反斜杠加数字（\N），则对应着匹配的组（matched group） 

比如\6，表示匹配前面pattern中的第6个group 

第二个参数：repl

repl，就是replacement，被替换，的字符串的意思。

repl可以是字符串，也可以是函数。

repl是字符串

如果repl是字符串的话，其中的任何反斜杠转义字符，都会被处理的。

即：

\n：会被处理为对应的换行符； 

\r：会被处理为回车符； 

其他不能识别的转移字符，则只是被识别为普通的字符： 

比如\j，会被处理为j这个字母本身； 

反斜杠加g以及中括号内一个名字，即：\g，对应着命了名的组，named group

第三个参数：string

string，即表示要被处理，要被替换的那个string字符串。

没什么特殊要说明。

第四个参数：count

举例说明：

继续之前的例子，假如对于匹配到的内容，只处理其中一部分。

比如对于：

hello 123 world 456 nihao 789

1

只是像要处理前面两个数字：123,456，分别给他们加111，而不处理789，

那么就可以写成：

replacedStr = re.sub("(?P\d+)", _add111, inputStr, 2);

python - 使用 re.sub 删除两个字符之间的空格

【中文标题】python - 使用 re.sub 删除两个字符之间的空格

【英文标题】：python - remove whitespace between two characters using re.sub

【发布时间】：2021-05-02 16:49:37

【问题描述】：

我有一对列，如下所示：

x = ["a b williams", "e g", "z z specialists"]
y = ["j j winston", "hb d party supplies", "t t ice cream"]
df = pd.DataFrame(x,y)

我希望能够使用re.sub 删除两个单个字符之间的空格。我尝试了以下方法：

re.sub("(?<=\\w\\b)"\\s"(?=\\w\\b)", "", df)

但是，当我运行代码时，出现以下错误。

SyntaxError: unexpected character after line continuation character

我不确定自己做错了什么。期望的结果是：

jj winston             ab williams
hb d party supplies              eg
tt ice cream           zz specialists

请指教。任何建议表示赞赏。

【问题讨论】：

"(?<=\\w\\b)"\\s"(?=\\w\\b)" 语法无效。

那是df 的例子代表吗？您真的要在索引中替换吗？正则表达式相当简单，你可以使用r'(?<=\b[^\W\d_])\s(?=[^\W\d_]\b)'。或者，如果您真的想将数字和下划线视为单词，r'(?<=\b\w)\s(?=\w\b)'

@WiktorStribiżew 我不确定你对索引的意思

我的意思是，df.replace(regex_here,'', regex=True) 不会在索引列中替换。好的，re.sub(r'(?<=\b[^\W\d_])\s(?=[^\W\d_]\b)','', text) 对你有用吗？请注意，您不能将df 作为输入参数传递给re.sub，它必须是一个字符串。这就是为什么我要询问您数据的真实结构。

@TigerhawkT3 您不能将数据帧作为输入传递给re.sub。

【参考方案1】：

你可以使用

(?<=\b[^\W\d_])\s(?=[^\W\d_]\b)
(?<=\b\w)\s(?=\w\b)

请参阅regex demo。请注意，[^\W\d_] 模式匹配 Python re 中的任何 Unicode 字母。 \w 匹配 Unicode 字母、数字、_ 以及一些变音符号和其他连接符标点符号。

详情

(?<=\b[^\W\d_]) - 一个正向的后视，匹配一个紧跟在一个字母前面的位置作为一个完整的单词（因为它前面有一个单词边界） \s - 一个空格字符 (?=[^\W\d_]\b) - 一个正向预测，它匹配一个紧跟一个字母作为整个单词的位置（因为它后面跟着一个单词边界）。

这是一个 Pandas 演示：

x = ["a b williams", "e g", "z z specialists"]
y = ["j j winston", "h d party supplies", "t t ice cream"]
df = pd.DataFrame(x,y)
rx = r'(?<=\b[^\W\d_])\s(?=[^\W\d_]\b)'
df.index = df.index.to_series().replace(rx, '', regex=True)
df = df.replace(rx, '', regex=True)
# => df
#                                 0
# jj winston            ab williams
# hd party supplies              eg
# tt ice cream       zz specialists

由于DataFrame.replace和regex=True不涉及索引列，所以必须单独处理，因此增加了df.index = df.index.to_series().replace(rx, '', regex=True)这行代码。

【讨论】：

你能解释一下单数模式\d_ 是如何工作的吗？只是说只有一个空格吗？

@jvalenti \d_ 在[^\W\d_] 否定字符类中表示digit 和_，整体含义是任何字符，但非单词字符、数字和@ 987654339@。换句话说，除了数字和_之外的任何单词字符。

【参考方案2】：

您的正则表达式非常接近要求，可以稍作修改，如下所示：

r'(?<=\b\w)(\s)(?=\w\b)'

注意使用原始引号 r'...'，这样您就不需要在正则表达式中使用双 \ for。

Regex Demo

更好地编译正则表达式以加快处理速度，因为它被多次使用

pattern = re.compile(r'(?<=\b\w)(\s)(?=\w\b)')

然后重复使用您的代码：

x = ["a b williams", "e g", "z z specialists"]
y = ["j j winston", "h d party supplies", "t t ice cream"]
df = pd.DataFrame(x,y)

转换索引：

df.index = df.index.to_series().str.replace(pattern, '')

转换数据列：

df[0] = df[0].str.replace(pattern, '')

你的错误解释：

你不能直接在整个 pandas DataFrame 上使用 re.sub 您的正则表达式包含 4 个引号“其中第二个”结束正则表达式，因此正则表达式的后续部分被 \ 标记视为续行，并且在续行之后被视为无效的字符

【参考方案3】：

使用re.sub，我建议如下：

# your lists    
x = ["a b williams", "e g", "z z specialists"]
y = ["j j winston", "hb d party supplies", "t t ice cream"]

# replacements
x = [re.sub(r'(\b\w)(\s)(\w\b)', r'\1\3', el) for el in x]
y = [re.sub(r'(\b\w)(\s)(\w\b)', r'\1\3', el) for el in y]

# pd dataframe after the process
df = pd.DataFrame(x,y)