re.sub 替换为匹配的内容

Posted 2023-02-23

【中文标题】re.sub 替换为匹配的内容

【英文标题】：re.sub replace with matched content

【发布时间】：2011-11-03 16:59:34

【问题描述】：

为了掌握 Python 中的正则表达式，我试图输出一些在 URL 的一部分中突出显示的 html。我的意见是

images/:id/size

我的输出应该是

images/<span>:id</span>/size

如果我在 javascript 中这样做

method = 'images/:id/size';
method = method.replace(/\:([a-z]+)/, '<span>$1</span>')
alert(method)

我得到了想要的结果，但是如果我在 Python 中这样做

>>> method = 'images/:id/huge'
>>> re.sub('\:([a-z]+)', '<span>$1</span>', method)
'images/<span>$1</span>/huge'

我不知道，如何让 Python 返回正确的结果而不是 $1？ re.sub 甚至是执行此操作的正确函数吗？

【参考方案1】：

使用\1 而不是$1。

\number 匹配同号组的内容。

http://docs.python.org/library/re.html#regular-expression-syntax

【参考方案2】：

只需使用\1 而不是$1：

In [1]: import re

In [2]: method = 'images/:id/huge'

In [3]: re.sub(r'(:[a-z]+)', r'<span>\1</span>', method)
Out[3]: 'images/<span>:id</span>/huge'

还要注意对正则表达式使用raw strings (r'...')。这不是强制性的，但消除了转义反斜杠的需要，可以说使代码更具可读性。

【讨论】：

对于那些正在寻找此示例并想知道为什么它在您的测试中失败的人，请确保在组字符串之前添加 r（字符 'r'）

r 说明符也是这个答案帮助我解决的问题。

\g<0> 在没有匹配组时起作用，即对于像':[a-z]+' 这样的非分组正则表达式。直接来自docs.python.org/3/library/re.html#re.sub

有没有办法在替换之前修改 \1 中的内容？

【参考方案3】：

对于替换部分，Python 使用\1 sed 和 vi 的方式，不是 $1 Perl、Java 和 Javascript（以及其他）方式。此外，由于\1 在常规字符串中插入为字符 U+0001，因此您需要使用原始字符串或将其转义。

Python 3.2 (r32:88445, Jul 27 2011, 13:41:33) 
[GCC 4.0.1 (Apple Inc. build 5465)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> method = 'images/:id/huge'
>>> import re
>>> re.sub(':([a-z]+)', r'<span>\1</span>', method)
'images/<span>id</span>/huge'
>>> 

【参考方案4】：

对整个匹配值的反向引用是\g<0>，参见re.sub documentation：

反向引用 \g<0> 替换为 RE 匹配的整个子字符串。

见Python demo：

import re
method = 'images/:id/huge'
print(re.sub(r':[a-z]+', r'<span>\g<0></span>', method))
# => images/<span>:id</span>/huge

【讨论】：

\g<1> 等也是有效的，提供了一种替换为 \11（\1 和数字 1）而不是捕获组 11 的方法。

@Orwellophile 是的，这种语法允许使用所有的反向引用，而不仅仅是 Group 0。