Python re.sub 反向引用的实现_Python

match 分组

Python re 模块中提供了 match 函数，用来匹配字符串中指定的正则表达式规则。例如，如果想匹配到 "Isaac Newton, physicist" 中的 Isaac Newton，则可以使用正则表达式 \w+ \w+ ，运行结果如下：

				?

									>>> m = re.match("\w+ \w+", "Isaac Newton, physicist")

									>>> m

									<re.Match object; span=(0, 12), match='Isaac Newton'>

re.match 的第一个参数是指定的正则表达式规则，第二个参数是待匹配的字符串。正则表达式规则 \w+ 表示匹配一段连续的字符，要求匹配到的字符数量大于 1。 \w+ \w+ 就表示匹配两段连续的字符，且两段字符中间用空格隔开

使用 match 执行匹配时会对匹配到的结果进行分组，可以通过 match 返回结果的 group() 接口查看分组结果

				?

									>>> m.group(0)

									'Isaac Newton'

默认情况下， match 只会产生一个分组，就是第 0 个分组，表示整个匹配到的内容。对于上面的例子，第 0 个分组就是 \w+ \w+ 匹配到的完整的内容，也就是 Issac Newton 。
使用正则表达式中的括号 () 可以手动指定匹配的分组。例如如果想把 Issac 和 Newton 做为两个分组，那么可以将正则表达式改为 (\w+) (\w+) ：

				?

									>>> m = re.match("(\w+) (\w+)", "Isaac Newton, physicist")

在 (\w+) (\w+) 这个正则表达式中，指定了两个分组，这两个分组匹配的内容都是 \w+ ，并且两个分组之间用空格隔开。
使用 groups() 可以查看匹配结果中的所有分组：

				?

									>>> m.groups()

									('Isaac', 'Newton')

也可以使用 group() 接口分别查看每一个分组，其中 group(0) 仍然表示完整的匹配结果， group(1) 表示匹配结果中的第 1 个分组， group(2) 表示第 2 个分组，以此类推：

				?

									>>> m.group(0)

									'Isaac Newton'

									>>> m.group(1)

									'Isaac'

									>>> m.group(2)

									'Newton'

re.sub 匹配和替换

re.match() 函数提供了正则表达式的匹配接口， re.sub() 不光能匹配正则表达式，还能替换字符串中的结果，生成一个新的字符串。
例如把字符串中 (\w+) (\w+) 匹配到的结果替换成 Albert Einstein ，可以这样写：

				?

									>>> re.sub("(\w+) (\w+)", "Albert Einstein", "Isaac Newton, physicist")

									'Albert Einstein, physicist'

re.sub 中第 1 个参数表示匹配的正则表达式，第 2 个参数表示替换表达式，第 3 个参数表示原始字符串

这里的替换表达式是手动指定的新字符串 Albert Einstein ，他和原始字符串中的内容毫不相关。如果希望复用原始字符串中的内容，那么就需要用到 re.sub 的反向引用功能了。

反向引用

反向引用指的是在指定替换结果的过程中，可以引用原始字符串中的匹配到内容。例如 (\w+) (\w+) 在原始字符串中匹配到了 Isaac Newton ，利用匹配到的结果，将结果改写为 FirstName: Isaac, LastName: Newton 。
既然需要引用，那么就得有一个表达式能够表示匹配的内容。恰好 re.sub 的匹配结果也有和 re.match 一样的分组，因此只需要在替换表达式中引用分组的结果即可。引用方式有以下几种：

\number ：例如 \1 ，表示匹配结果中第 1 个分组，也就是例子中的 Isaac 部分。
\g<number> ：例如 \g<1> ，和 \number 表示法一样，也代表了匹配结果中的第 1 个分组。与 \number 表示法相比， \g<number> 避免了歧义。试想，如果想用 \number 把第 1 个分组匹配到的 Isaac 替换为 Isaac0 ，那么需要用 \10 ，这里本意表示在第 1 个分组后加上 0 ，但程序会识别成第 10 个分组。而使用 \g<number> 只需要写成 \g<1>0 即可。

回到开始的例子中，将匹配结果 Isaac Newton改写为 FirstName: Isaac, LastName: Newton ，可以用以下表达式实现：

				?

									>>> re.sub("(\w+) (\w+)", "FirstName: \g<1>, LastName: \g<2>", "Isaac Newton, physicist")

									'FirstName: Isaac, LastName: Newton, physicist'