Python使用正则替换字符串：从基础到进阶

在Python中字符串替换是常见的操作但简单的str.replace()方法只能处理固定字符串的替换。当需要模式匹配如替换所有数字、邮箱、URL等时正则表达式re模块的re.sub()方法就派上了用场。本文将详细介绍如何使用正则表达式进行字符串替换并提供实际案例。1. 基础正则替换re.sub()1.1re.sub()基本语法re.sub()是Python正则替换的核心方法语法如下importre re.sub(pattern,repl,string,count0,flags0)pattern正则表达式模式匹配要替换的内容。repl替换内容可以是字符串或函数。string待替换的原始字符串。count最大替换次数默认0表示全部替换。flags正则标志如re.IGNORECASE忽略大小写。1.2 简单替换示例(1) 替换所有数字importre text我的电话是123456789QQ是987654321new_textre.sub(r\d,***,text)# \d 匹配1个或多个数字print(new_text)# 输出: 我的电话是***QQ是***(2) 替换所有非字母字符textHello! 123 World#Pythonnew_textre.sub(r[^a-zA-Z], ,text)# [^a-zA-Z] 匹配非字母字符print(new_text)# 输出: Hello World Python(3) 忽略大小写替换textPython is FUN, python is powerfulnew_textre.sub(rpython,Java,text,flagsre.IGNORECASE)# 忽略大小写print(new_text)# 输出: Java is FUN, Java is powerful2. 高级替换技巧2.1 使用分组()和反向引用\1,\2正则表达式可以用()分组并在替换时用\1、\2引用分组内容。示例交换日期格式YYYY-MM-DD → DD/MM/YYYYtext2023-01-01, 2024-12-31new_textre.sub(r(\d{4})-(\d{2})-(\d{2}),r\3/\2/\1,text)# \3日, \2月, \1年print(new_text)# 输出: 01/01/2023, 31/12/20242.2 使用函数动态替换repl参数可以是一个函数根据匹配内容动态生成替换字符串。示例将数字乘以2后替换defdouble_num(match):numint(match.group())# 获取匹配的数字returnstr(num*2)text1 apple, 2 bananas, 3 orangesnew_textre.sub(r\d,double_num,text)# 调用函数替换print(new_text)# 输出: 2 apple, 4 bananas, 6 oranges示例隐藏敏感信息如邮箱defhide_email(match):emailmatch.group()returnemail[0]***email[-4:]# 保留首字母和后4位text联系我testexample.com 或 adminsite.orgnew_textre.sub(r[\w.-][\w.-],hide_email,text)print(new_text)# 输出: 联系我t***mple.com 或 a***site.org2.3 限制替换次数count参数text111-222-333-444new_textre.sub(r\d,X,text,count2)# 只替换前2个数字print(new_text)# 输出: X-X-333-4443. 实际应用案例案例1清理HTML标签importre htmlpHello, bWorld/b!/pclean_textre.sub(r[^],,html)# 匹配所有HTML标签并删除print(clean_text)# 输出: Hello, World!案例2标准化电话号码格式text电话010-12345678手机138-1234-5678new_textre.sub(r(\d{3})-(\d{4})-(\d{4}),r\1\2\3,text)# 尝试直接替换可能不匹配# 更通用的方法defnormalize_phone(match):full_numre.sub(r[^\d],,match.group())# 先删除所有非数字iflen(full_num)11:# 手机号码returnf手机{full_num[:3]}-{full_num[3:7]}-{full_num[7:]}eliflen(full_num)8:# 座机号码简化版returnf电话{full_num[:3]}-{full_num[3:]}else:returnmatch.group()# 先提取所有电话号码简化版实际需更复杂正则text_with_phonesre.sub(r(\d{3}[-]?\d{4}[-]?\d{4})|(\d{3}[-]?\d{4}),normalize_phone,text)# 更准确的方式是分两步# 1. 提取所有电话号码# 2. 替换print(text_with_phones)# 输出可能不符合预期需更精细的正则# 更合理的实现分两步phonesre.findall(r\d{3}[-]?\d{4}[-]?\d{4}|\d{3}[-]?\d{4},text)forphoneinphones:cleanedre.sub(r[^\d],,phone)iflen(cleaned)11:new_phonef{cleaned[:3]}-{cleaned[3:7]}-{cleaned[7:]}eliflen(cleaned)8:new_phonef{cleaned[:3]}-{cleaned[3:]}else:new_phonephone texttext.replace(phone,new_phone)print(text)# 输出: 电话010-12345678手机138-1234-5678更简洁的电话号码标准化使用re.sub直接替换text电话010-12345678手机138-1234-5678defnormalize_phone(match):numre.sub(r[^\d],,match.group())iflen(num)11:returnf手机{num[:3]}-{num[3:7]}-{num[7:]}eliflen(num)8:returnf电话{num[:3]}-{num[3:]}else:returnmatch.group()# 匹配手机号11位或座机号8位可能带-new_textre.sub(r(手机)?(\d{3}[-]?\d{4}[-]?\d{4})|(电话)?(\d{3}[-]?\d{4}),lambdam:normalize_phone(m),text)# 上述正则不够完美更准确的方式# 先提取所有电话号码再替换print(new_text)# 可能需要调整正则# 更准确的实现分两步importre text电话010-12345678手机138-1234-5678# 匹配手机号或座机号patternr(?:电话|手机)?(\d{3}[-]?\d{4}[-]?\d{4}|\d{3}[-]?\d{4})defreplace_phone(match):raw_phonematch.group(1)cleanedre.sub(r[^\d],,raw_phone)iflen(cleaned)11:returnf手机{cleaned[:3]}-{cleaned[3:7]}-{cleaned[7:]}eliflen(cleaned)8:returnf电话{cleaned[:3]}-{cleaned[3:]}else:returnraw_phone new_textre.sub(pattern,replace_phone,text)print(new_text)# 输出: 电话010-12345678手机138-1234-5678简化版假设输入格式较规范text电话010-12345678手机138-1234-5678new_textre.sub(r(\d{3})-(\d{4})-(\d{4}),# 匹配手机号格式r手机\1-\2-\3,re.sub(r(\d{3})-(\d{4}),# 匹配座机号格式r电话\1-\2,text))print(new_text)# 输出: 电话010-12345678手机138-1234-5678案例3替换URL中的协议http → httpstext访问 http://example.com 或 https://test.orgnew_textre.sub(rhttp://,https://,text)# 简单替换print(new_text)# 输出: 访问 https://example.com 或 https://test.org4. 常见问题与解决方案问题1正则表达式匹配不到内容原因正则模式错误或未使用re.IGNORECASE等标志。解决使用在线正则测试工具如regex101.com调试。问题2替换后格式混乱原因未正确使用分组或反向引用。解决检查()分组和\1、\2是否匹配。问题3性能问题大量文本替换原因re.sub()在循环中调用或正则复杂度高。解决预编译正则re.compile()或优化正则表达式。5. 总结方法适用场景示例re.sub(r\d, X, text)简单模式替换替换所有数字为Xre.sub(r(\d{4})-(\d{2}), r\2/\1, text)分组与反向引用交换日期格式re.sub(r\d, lambda m: str(int(m.group())*2), text)函数动态替换数字乘以2后替换re.sub(r[^], , text)清理HTML标签删除所有...标签最佳实践简单替换用str.replace()复杂模式用re.sub()。需要保留部分匹配内容时用()分组和\1反向引用。动态生成替换内容时用函数作为repl参数。处理大量文本时预编译正则re.compile()提高性能。掌握这些技巧后你可以高效地处理各种字符串替换需求