为啥 re.sub() 在 Python 中默认添加不匹配的字符串？

Posted 2023-03-28

【中文标题】为啥 re.sub() 在 Python 中默认添加不匹配的字符串？

【英文标题】：Why re.sub() adds not matched string by default in Python?为什么 re.sub() 在 Python 中默认添加不匹配的字符串？

【发布时间】：2021-12-20 09:25:30

【问题描述】：

import re

print(re.sub(
    r'(size:)\D+(\d+)\D+(\d+)\D+(\d+)',
    r'\2x\3x\4',
    'START, size: 100Х200 x 50, END'
))

输出：

'START, 100x200x50, END'

我不希望正则表达式中未提及的字符串部分。外面的一切——必须省略。

是的，如果我们通过在末尾和开头添加.* 来提及整个内容，它将按预期工作：

r'.*(size:)\D+(\d+)\D+(\d+)\D+(\d+).*'

输出将是：

'100x200x50'

...默认情况下（对我而言）应该是这样的。

为什么？ =)

更新

是的，很明显，它正在寻找一个匹配来替换它。 （半夜加班不会太明显=D）

但最好有解决方案来避免匹配整个字符串。

【参考方案1】：

re.sub替换匹配的部分，不匹配的部分保持不变是正常的。

您应该尝试匹配所有内容：

import re
print(re.sub(
    r'.*(size:)\D+(\d+)\D+(\d+)\D+(\d+).*',
    r'\2x\3x\4',
    'START, size: 100Х200 x 50, END'
))

输出：100x200x50

替代方案：re.search

import re
m = re.search(
    r'size:\D+(\d+)\D+(\d+)\D+(\d+)',
    'START, size: 100Х200 x 50, END'
)
print('x'.join(m.groups()) if m else 'no match')

【参考方案2】：

您似乎对 sub 的功能有误解。它替换了匹配的正则表达式。此正则表达式 r'(size:)\D+(\d+)\D+(\d+)\D+(\d+)' 匹配您的字符串的一部分，因此只有匹配部分将被替换，捕获组不会影响这一点。 你可以做什么（如果你不想在开头和结尾添加.*，就像这样使用re.findall

re.findall(
    r'(size:)\D+(\d+)\D+(\d+)\D+(\d+)',
    'START, size: 100Х200 x 50, END'
    )

这将返回[('size:', '100', '200', '50')]，然后您可以根据需要对其进行格式化。 一种方法是作为一个没有错误处理的班轮是这样的：

'1x2x3'.format(
    *re.findall(
        r'(size:)\D+(\d+)\D+(\d+)\D+(\d+)',
        'START, size: 100Х200 x 50, END')[0]
    )

【讨论】：

是的，答案可能是因为它正在寻找要替换的字符串。感谢您的回答！ =)

我认为，'1x2x3'.format() 是我所需要的。谢谢！