Python re.sub详解 - 正则替换与回调函数实战

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

import re

text = "Hello World! Welcome to the World of Python."

# 将所有 "World" 替换为 "Python"
result = re.sub(r'World', 'Python', text)
print(result)
# 输出: Hello Python! Welcome to the Python of Python.

import re

text = "apple banana apple orange apple"

# 只替换前2个 "apple"
result = re.sub(r'apple', 'fruit', text, count=2)
print(result)
# 输出: fruit banana fruit orange apple

import re

text = "张三 李四 王五"

# 使用捕获分组和反向引用交换两个相邻单词
result = re.sub(r'(\w+)\s+(\w+)', r'\2 \1', text)
print(result)
# 输出: 李四 张三 王五

# 使用命名分组
result2 = re.sub(r'(?P<first>\w+)\s+(?P<second>\w+)', r'\g<second> \g<first>', text)
print(result2)
# 输出: 李四 张三 王五

import re

phones = "13812345678, 15987654321, 18600001111"

# 将11位手机号格式化为 XXX-XXXX-XXXX
result = re.sub(r'(\d{3})(\d{4})(\d{4})', r'\1-\2-\3', phones)
print(result)
# 输出: 138-1234-5678, 159-8765-4321, 186-0000-1111

import re

html = "<p>这是一段<b>重要</b>的文本，包含<a href='#'>链接</a>。</p>"

# 移除所有HTML标签
clean_text = re.sub(r'<[^>]+>', '', html)
print(clean_text)
# 输出: 这是一段重要的文本，包含链接。

import re

text = "这个产品非常垃圾，客服态度很差，真是坑爹"

# 敏感词列表
sensitive_words = ['垃圾', '坑爹', '扯淡']

# 构建正则表达式模式
pattern = '|'.join(re.escape(w) for w in sensitive_words)

# 替换为等长的星号
result = re.sub(pattern, lambda m: '*' * len(m.group()), text)
print(result)
# 输出: 这个产品非常**，客服态度很差，真是**

import re

text = "价格分别是 10元、20元 和 30元"

def double_number(match):
    num = int(match.group())
    return str(num * 2)

result = re.sub(r'\d+', double_number, text)
print(result)
# 输出: 价格分别是 20元、40元 和 60元

import re

def to_camel_case(match):
    """将下划线分隔的单词转换为驼峰命名"""
    word = match.group()
    return word[0].upper() + word[1:].lower()

text = "hello_world_python_programming"

# 匹配 _x 形式的内容并转换
result = re.sub(r'_([a-z])', lambda m: m.group(1).upper(), text)
print(result)
# 输出: helloWorldPythonProgramming

import re

markdown = "访问 [Python官网](https://www.python.org) 和 [GitHub](https://github.com)"

def md_link_to_html(match):
    text = match.group(1)
    url = match.group(2)
    return f'<a href="{url}">{text}</a>'

result = re.sub(r'\[([^\]]+)\]\(([^)]+)\)', md_link_to_html, markdown)
print(result)
# 输出: 访问 <a href="https://www.python.org">Python官网</a> 和 <a href="https://github.com">GitHub</a>

import re

text = "错误日志: error1, error2, error3"

counter = [0]  # 使用列表实现闭包中的可变状态

def numbered_replacement(match):
    counter[0] += 1
    return f"错误#{counter[0]}"

result = re.sub(r'error\d+', numbered_replacement, text)
print(result)
# 输出: 错误日志: 错误#1, 错误#2, 错误#3

import re

text = "abc123def"

# 使用原始字符串（推荐）
result = re.sub(r'([a-z]+)(\d+)', r'\2-\1', text)
print(result)  # 输出: 123-abc

# 使用 \g<n> 格式处理分组编号大于9的情况
# 注意: \g<10> 不能写成 \10 (会被解析为 \1 + "0")

import re

# 不推荐：每次都重新编译
for text in large_list:
    result = re.sub(r'\d+', 'NUM', text)

# 推荐：预编译后复用
pattern = re.compile(r'\d+')
for text in large_list:
    result = pattern.sub('NUM', text)