尹良灿得闲

巴甫洛夫很忙……巴甫洛夫正在死亡

如何在 Python 中操作正则替换的匹配结果

| Comments

在进行字符串的正则替换时，我们可能会希望替换的结果是基于匹配结果的，就是说把匹配的字符串提取出来进行一定的修改再应用回原文。

以 sed 为例：

1
2

$ echo 'cat dog mouse' | sed 's/dog/\*&\*/'
cat *dog* mouse

用 & 符号可以把匹配的字符串 "dog" 提取出来，然后在它的前后加上了 *。

在 Python 使用 re 模块时可以这么写：

1
2
3
4
5
6
7
8

import re

def repl(m):
    return '*' + m.group() + '*'

print(re.sub('dog', repl, 'cat dog mouse'))

# 输出：cat *dog* mouse

当传给 re.sub() 方法的第二个参数是一个函数时，re.sub() 会给这个函数传入一个 Match Object 然后以这个函数的返回值作为替换结果。

我们可以通过这个 Match Object 的 grou() 方法获取每次执行替换前的匹配结果。这个方法之所以叫做 group ，是因为我们有时会使用多个匹配模板，同时获取多个（一组）匹配结果，再以 sed 为例：

1
2

$ echo 'cat dog mouse' | sed 's/\(dog\) \(mouse\)/\*\1\* _\2_/'
cat *dog* _mouse_

符号 \1 和 \2 对应于第一和第二个括号里我们要提取的字符串。

Python 则如下：

1
2
3
4
5
6
7
8
9

import re

def repl(m):
    return '*' + m.group(1) + '*' + \
    '_' + m.group(2) + '_'

print(re.sub('(dog) (mouse)', repl, 'cat dog mouse'))

# 输出：cat *dog* _mouse_

上一例中的 m.group() 也可以写为 m.goup(0)，意为把所有结果作为一个字符串取出。

还有一种跟传统正则表达式比较相似的写法：

1
2
3
4
5
6

import re

def repl(m):
    return '*' + m.expand(r'\1') + '*'

print(re.sub('(dog)', repl, 'cat dog mouse'))

用 expand() 方法展开表达式，不过似乎不支持符号 &。

参考资料

Comments