Python 正则表达式的re.sub()方法详解

Python 正则表达式的re.sub()方法是用于替换字符串中匹配正则模式的子串的核心工具，其核心逻辑是：根据正则表达式匹配目标字符串中的子串，并用指定内容（字符串或函数返回值）替换这些子串。以下从功能、参数、高级用法、常见场景等维度详细解析。

一、基础语法与核心参数

re.sub()的标准语法为：

re.sub(pattern, repl, string, count=0, flags=0)

参数说明：

• pattern：正则表达式模式（必选），用于匹配需要替换的子串；
• repl：替换内容（必选），可以是字符串或函数（动态生成替换内容）；
• string：待处理的原始字符串（必选）；
• count：最多替换次数（可选），默认0表示替换所有匹配项；
• flags：正则表达式标志（可选），如re.IGNORECASE（忽略大小写）、re.DOTALL（.匹配换行）等。

返回值：替换后的新字符串（原字符串不会被修改）。

二、repl为字符串的替换逻辑

当repl是字符串时，支持通过反向引用提取匹配的子组（Group），并将其插入到替换结果中。

1. 基础替换（无反向引用）

直接用固定字符串替换所有匹配项。

示例：将字符串中的所有空格替换为下划线：

import re

text = "hello world python"

result = re.sub(r' ', '_', text) # 替换所有空格

print(result) # 输出：hello_world__python

2. 反向引用（引用匹配的子组）

若正则表达式中定义了捕获组（用()包裹的子模式），可以通过\n（n为组号）或\g<name>（命名组）引用这些组的内容到替换字符串中。

示例 1：调整日期格式

将YYYY-MM-DD格式的日期替换为YYYY/MM/DD：

text = "今天是2023-10-05，明天是2023-10-06"

# 正则匹配日期（分组：年、月、日）

pattern = r'(\d{4})-(\d{2})-(\d{2})'

# 替换为：年/月/日（通过 \1、\2、\3 引用分组）

result = re.sub(pattern, r'\1/\2/\3', text)

print(result) # 输出：今天是2023/10/05，明天是2023/10/06

示例 2：命名组提高可读性

使用命名组(?P<year>\d{4})替代数字组号：

pattern = r'(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})'

result = re.sub(pattern, r'\g<year>/\g<month>/\g<day>', text)

print(result) # 输出同上

3. 特殊字符转义

若替换字符串中需要包含反斜杠\或$（在部分正则实现中为特殊字符），需使用原始字符串或转义符\。

示例：将路径中的\替换为/（注意原始字符串的使用）：

path = r'C:\Program Files\Python'

result = re.sub(r'\\', '/', path) # 正则中用 \\ 匹配实际的 \

print(result) # 输出：C:/Program Files/Python

三、repl为函数的动态替换

当替换逻辑需要根据匹配内容动态计算时（如数值转换、条件判断），可以将repl指定为一个函数。该函数接收一个匹配对象（re.Match）作为参数，返回替换后的字符串。

核心逻辑

1. 正则表达式匹配到子串后，生成对应的Match对象；

2. 调用repl函数，传入该Match对象；

3. 函数返回的字符串将作为替换结果。

示例 1：将数字替换为平方值

将字符串中的每个整数替换为其平方：

import re

def square_match(match):

num = int(match.group()) # 获取匹配的数字字符串，转为整数

return str(num ** 2) # 返回平方后的字符串

text = "a=3, b=5, c=7"

result = re.sub(r'\d+', square_match, text)

print(result) # 输出：a=9, b=25, c=49

示例 2：首字母大写（条件替换）

将每个单词的首字母大写，其余字母小写（忽略缩写如HTTP）：

def capitalize_word(match):

word = match.group()

# 如果单词全大写（如 HTTP），保持原样；否则首字母大写

if word.isupper():

return word

return word[0].upper() + word[1:].lower()

text = "hello world! HTTP is awesome"

result = re.sub(r'\b\w+\b', capitalize_word, text)

print(result) # 输出：Hello World! HTTP Is Awesome

四、count参数：限制替换次数

count用于指定最多替换的匹配项数量（从左到右匹配的前count个）。若count=0（默认），则替换所有匹配项。

示例：只替换前两个空格为下划线：

text = "a b c d e"

result = re.sub(r' ', '_', text, count=2) # 替换前2个空格

print(result) # 输出：a_b_c d e

五、flags参数：正则匹配模式

通过flags可以修改正则表达式的匹配规则（如忽略大小写、多行匹配等）。常见标志如下：

标志	说明
re.IGNORECASE	匹配时忽略大小写（如[A-Z]匹配任意大小写字母）
re.DOTALL	让.匹配包括换行符\n在内的所有字符
re.MULTILINE	多行模式，^和$匹配行首/行尾（而非全文）
re.VERBOSE	允许正则表达式分行编写，添加注释（提高可读性）

示例：忽略大小写替换

将字符串中的python替换为Python（不区分大小写）：

text = "I love Python, PYTHON is cool"

result = re.sub(r'python', 'Python', text, flags=re.IGNORECASE)

print(result) # 输出：I love Python, Python is cool

六、re.subn()：返回替换次数

re.subn()是re.sub()的变体，返回一个元组(新字符串, 替换次数)，适用于需要统计替换次数的场景。

示例：统计替换次数：

text = "apple, apple, banana, apple"

new_text, count = re.subn(r'apple', 'orange', text)

print(new_text) # 输出：orange, orange, banana, orange

print(count) # 输出：3（替换了3次）

七、常见应用场景

1. 数据清洗（格式化字符串）

• 场景：调整日期、时间、电话号码等格式；
• 示例：将2023/10/05格式的日期统一为2023-10-05：text = "日期：2023/10/05，另一个日期：2023/11/20"

result = re.sub(r'(\d{4})/(\d{2})/(\d{2})', r'\1-\2-\3', text)

print(result) # 输出：日期：2023-10-05，另一个日期：2023-11-20

2. 敏感信息脱敏（隐藏部分字符）

• 场景：隐藏手机号、身份证号的部分数字；
• 示例：将手机号中间4位替换为****：text = "联系电话：13812345678，备用电话：13987654321"

result = re.sub(r'(\d{3})\d{4}(\d{4})', r'\1****\2', text)

print(result) # 输出：联系电话：138****5678，备用电话：139****4321

3. 文本预处理（去除冗余内容）

• 场景：删除多余空格、清理HTML标签；
• 示例：删除字符串中的多个连续空格（保留单个空格）：text = "hello world python"

result = re.sub(r' +', ' ', text) # 用单个空格替换多个空格

print(result) # 输出：hello world python

八、注意事项

1. 正则表达式的贪婪匹配：

正则默认是贪婪匹配（尽可能匹配更长的子串），可能导致替换范围超出预期。若需非贪婪匹配，需在量词后加?（如r'<.*?>'匹配最短的 HTML 标签）。

2. 反向引用的组号有效性：

若正则中未定义对应组号（如使用\3但正则只有2个组），会抛出re.error异常。

3. 函数替换的性能：

当需要大量替换时，函数替换（repl为函数）的性能可能低于字符串替换，需根据场景选择。

总结

re.sub()是 Python 正则表达式中最灵活的替换工具，支持固定字符串替换、动态函数替换，可通过反向引用和标志参数实现复杂的文本处理逻辑。其核心优势在于精准匹配+灵活替换，广泛应用于数据清洗、文本预处理、日志分析等场景。掌握re.sub()的用法，能显著提升文本处理的效率和代码的健壮性。