上一篇：Python3 如何優雅地使用正則表示式（詳解五）

修改字串

我們已經介紹完如何對字元進行搜尋，接下來我們講講正則表示式如何修改字串。

正則表示式使用以下方法修改字串：

分割字串

正則表示式的 split() 方法將字串在匹配的地方進行分割，並將分割後的結果作為列表返回。它的做法其實很像字串的 split() 方法，但這個可以使用更加廣泛的分隔符。你猜的沒錯，它同時提供了一個模組級別的函式：re.split()

.split(string[, maxsplit=0])

通過正則表示式匹配來分割字串。如果在 RE 中，你使用了捕獲組，那麼它們的內容會作為一個列表返回。你可以通過傳入一個 maxsplit 引數來設定分割的數量。如果 maxsplit 的值是非 0，表示至多有 maxsplit 個分割會被處理，剩下的內容作為列表的最後一個元素返回。

下邊例子中，分隔符是任何非字母數字字元：

>>> p = re.compile(r'\W+')
>>> p.split('This is a test, short and sweet, of split().')
['This', 'is', 'a', 'test', 'short', 'and', 'sweet', 'of', 'split', '']
>>> p.split('This is a test, short and sweet, of split().', 3)
['This', 'is', 'a', 'test, short and sweet, of split().']
 

有時候你可能不僅對分隔符之間的內容感興趣，你可能對分隔符本身（就是正則表示式匹配的內容）也同樣感興趣。如果使用了捕獲組，那麼作為分隔符的值也會被返回：

>>> p = re.compile(r'\W+')
>>> p2 = re.compile(r'(\W+)')
>>> p.split('This... is a test.')
['This', 'is', 'a', 'test', '']
>>> p2.split('This... is a test.')
['This', '... ', 'is', ' ', 'a', ' ', 'test', '.', '']
 

模組級別的函式 re.split() 除了將 RE 作為第一個引數外，其他引數是一樣的：

>>> re.split('[\W]+', 'Words, words, words.')
['Words', 'words', 'words', '']
>>> re.split('([\W]+)', 'Words, words, words.')
['Words', ', ', 'words', ', ', 'words', '.', '']
>>> re.split('[\W]+', 'Words, words, words.', 1)
['Words', 'words, words.']

搜尋和替換

另一個常見的任務就是找到所有的匹配部分，並替換成不同的字串。sub 方法可以幫你實現這個願望！sub 方法有一個 replacement 引數，它可以是一個待替換的字串，或者一個處理字串的函式。

.sub(replacement, string[, count=0])

返回一個字串，這個字串從最左邊開始，所有 RE 匹配的地方都替換成 replacement。如果沒有找到任何匹配，那麼返回原字串。

可選引數 count 指定最多替換的次數，必須是一個非負值。預設值是 0，意思是替換所有找到的匹配。

下邊是使用 sub() 方法的例子，它會將所有的顏色替換成 color：

>>> p = re.compile( '(blue|white|red)')
>>> p.sub( 'colour', 'blue socks and red shoes')
'colour socks and colour shoes'
>>> p.sub( 'colour', 'blue socks and red shoes', count=1)
'colour socks and red shoes'

subn() 方法跟 sub() 方法幹同樣的勾當，但區別是返回值為一個包含有兩個元素的元組：一個是替換後的字串，一個是替換的數目。

>>> p = re.compile( '(blue|white|red)')
>>> p.subn( 'colour', 'blue socks and red shoes')
('colour socks and colour shoes', 2)
>>> p.subn( 'colour', 'no colours at all')
('no colours at all', 0)

空匹配只有在它們沒有緊挨著前一個匹配時才會被替換掉：

>>> p = re.compile('x*')
>>> p.sub('-', 'abxd')
'-a-b-d-'

如果 replacement 引數是一個字串，那麼裡邊的反斜槓都會被處理。比如 \n 將會被轉換成一個換行符，\r 轉換成回車，等等。未知的轉義如 \j 保持原樣。逆向引用如 \6，則被 RE 中相應的捕獲組匹配的內容所替換。這使你可以在替換後的字串中插入一部分原字串。

下邊例子中，將匹配被 { 和 } 括起來的單詞 section，並將 section 替換成 subsection：

>>> p = re.compile('section{ ( [^}]* ) }', re.VERBOSE)
>>> p.sub(r'subsection{\1}','section{First} section{second}')
'subsection{First} subsection{second}'

解釋：

1. 大家還記得嗎？這裡開啟了 re.VERBOSE，空格將被忽略。因為這裡一堆符號，用空格隔開看著才不會亂糟糟的......

2. 這裡 r'subsection{\1}' 使用 \1 引用匹配模式中的 ([^}]*) 匹配的字串內容。

還可以使用 Python 的擴充套件語法 (?P<name>...) 指定命名組，引用命名組的語法是 \g<name>。\g<name> 會將名字為 name 的組匹配的字串替換進去。另外，\g<數字> 是通過組的序號進行引用。\g<2> 其實就相當於 \2，但我們更提倡使用 \g<2>，因為這樣可以避免歧義。例如，\g<2>0 的含義是引用序號為 2 的組，然後後邊匹配一個字元 '0'，而你寫成 \20 就會被認為是引用序號為 20 的組了。

>>> p = re.compile('section{ (?P<name> [^}]* ) }', re.VERBOSE)
>>> p.sub(r'subsection{\1}','section{First}')
'subsection{First}'
>>> p.sub(r'subsection{\g<1>}','section{First}')
'subsection{First}'
>>> p.sub(r'subsection{\g<name>}','section{First}')
'subsection{First}'

有時候你可能不滿足簡單的字串替換，你可能需要在替換的過程中動點“手腳”......沒關係，一樣可以滿足你！replacement 引數還可以是一個函式，該函式將會在正則表示式模式每次不重複匹配的時候被呼叫。在每次呼叫時，函式會收到一個匹配物件的引數，因此你就可以利用這個物件去計算出新的字串並返回它。

下邊的例子中，替換函式將十進位制數替換為十六進位制數：

>>> def hexrepl(match):
...     "Return the hex string for a decimal number"
...     value = int(match.group())
...     return hex(value)
...
>>> p = re.compile(r'\d+')
>>> p.sub(hexrepl, 'Call 65490 for printing, 49152 for user code.')
'Call 0xffd2 for printing, 0xc000 for user code.'

當使用模組級的 re.sub() 函式時，正則表示式模式作為第一個引數。該模式可以是一個字串或一個編譯好的物件。如果你需要指定正則表示式標誌，那麼你必須使用後者；或者使用模式內嵌修正器，例如 sub("(?i)b+", "x", "bbbb BBBB") 返回 'x x'。

（未完待續）

下一篇：Python3 如何優雅地使用正則表示式（詳解七）