为什么 re.sub 替换整个模式，而不仅仅是其中的捕获组？

Question

re.sub('a(b)','d','abc')

产生

dc

，而不是

adc

。

为什么

re.sub

替换整个捕获组，而不是仅捕获组'(b)'？

Answer 1

因为它应该替换整个出现的模式：

返回通过用替换 repl 替换 string 中最左边不重叠的模式而获得的字符串。

如果仅替换某些子组，则具有多个组的复杂正则表达式将无法工作。有几种可能的解决方案：

1. 完整指定模式：

   re.sub('ab', 'ad', 'abc')

   - 我最喜欢的，因为它非常易读且明确。
2. 捕获您想要保留的组，然后在模式中引用它们（请注意，它应该是原始字符串以避免转义）：

   re.sub('(a)b', r'\1d', 'abc')

3. 与上一个选项类似：提供回调函数作为

   repl

   参数，并使其处理

   Match

   对象并返回所需的结果。
4. 使用lookbehinds/lookaheads，它们不包含在匹配中，但会影响匹配：

   re.sub('(?<=a)b', r'd', 'abxb')

   产生

   adxb

   。该组开头的

   ?<=

   表示“这是一个前瞻”。

Answer 2

我知道这并不是严格回答OP问题，但是这个问题很难用谷歌搜索（充斥着解释......）

对于那些像我一样来到这里的人，因为他们想实际用字符串替换不是第一个的捕获组，而不需要对字符串或正则表达式有特殊的了解：

#find offset [start, end] of a captured group within string
r = regex.search(oldText).span(groupNb)
#slice the old string and insert replacementText in the middle 
newText = oldText[:r[0]] + replacementText + oldText[r[1]:]

我知道这是想要的行为，但我仍然不明白为什么 re.sub 无法指定它应该替换的实际捕获组...

Answer 3

因为这正是

re.sub()

文档告诉你它应该做的：

• 模式

  'a(b)'

  表示“匹配'a'，带有可选的尾随'b'”。 （它可以单独匹配“a”，但它不可能像您预期的那样单独匹配“b”。如果您是这个意思，请使用非贪婪的

  (a)??b

  ）。
• 替换字符串是“d”
• 因此，在字符串“abc”上，它匹配所有“ab”并将其替换为“d”，因此结果是“dc”

如果你想要你想要的输出，你需要在

'(a)??'

上进行非贪婪匹配：

>>> re.sub('(a)??b','d','abc')
'dc'

Answer 4

import re

pattern = re.compile(r"I am (\d{1,2}) .*", re.IGNORECASE)

text = "i am 32 years old"

if re.match(pattern, text):
    print(
        re.sub(pattern, r"Your are \1 years old.", text, count=1)
    )

如上所述，首先我们编译一个带有不区分大小写标志的正则表达式模式。

然后我们检查文本是否与模式匹配，如果匹配，我们引用正则表达式模式（年龄）中唯一带有组号的组。