1. python 中 re.sub 和 re.compile 是啥意思呀跪求大神解釋。
在python中re是一個常用的模塊，主要是通過正則表達式進行字元串處理。它的速度相對自己用 find, replace, split來說，通常更快。當然功能更強大。
正則表達式也是一種語言，所以如果通過re.compile把它編譯成對象，會速度快很多。所以我們經常看到這樣的語句
exp=re.compile("S+")
m=exp.search(bigtext)
printm.group(0)這段話等同於
m=re.search("S+",bigtext)
printm.group(0)re.sub則相當於字元串操作中的replace，比如
sometext=re.sub("(?isu)
","
",sometext)上面這句話是將回車換行，變成換行。這是為了將windows下的文本文件移到linux下，防止某些軟體不兼容所做的處理。
簡單的說re.sub是做字元串替換的， re.compile是將正則表達式編譯成一個對象，加快速度，並重復使用。
2. Python re.sub
【背景】
Python中的正則表達式方面的功能，很強大。
其中就包括re.sub，實現正則的替換。
功能很強大，所以導致用法稍微有點復雜。
所以當遇到稍微復雜的用法時候，就容易犯錯。
所以此處，總結一下，在使用re.sub的時候，需要注意的一些事情。
解釋具體的注意事項之前，先把其具體的解釋貼出來：
re.sub
re.sub(pattern, repl, string, count=0, flags=0)
Return the string obtained by replacing the leftmost non-overlapping occurrences of pattern in string by the replacement repl. If the pattern isn』t found, string is returned unchanged. repl can be a string or a function; if it is a string, any backslash escapes in it are processed. That is, \n is converted to a single newline character, \r is converted to a carriage return, and so forth. Unknown escapes such as \j are left alone. Backreferences, such as \6, are replaced with the substring matched by group 6 in the pattern. For example:
>>> re.sub(r'def\s+([a-zA-Z_][a-zA-Z_0-9]*)\s*\(\s*\):',
... r'static PyObject*\npy_\1(void)\n{',
... 'def myfunc():')
'static PyObject*\npy_myfunc(void)\n{'
If repl is a function, it is called for every non-overlapping occurrence of pattern. The function takes a single match object argument, and returns the replacement string. For example:
>>> def dashrepl(matchobj):
... if matchobj.group(0) == '-': return ' '
... else: return '-'
>>> re.sub('-{1,2}', dashrepl, 'pro----gram-files')
'pro--gram files'
>>> re.sub(r'\sAND\s', ' & ', 'Baked Beans And Spam', flags=re.IGNORECASE)
'Baked Beans & Spam'
The pattern may be a string or an RE object.
The optional argument count is the maximum number of pattern occurrences to be replaced; count must be a non-negative integer. If omitted or zero, all occurrences will be replaced. Empty matches for the pattern are replaced only when not adjacent to a previous match, so sub('x*', '-', 'abc') returns '-a-b-c-'.
In addition to character escapes and backreferences as described above, \g<name> will use the substring matched by the group named name, as defined by the (?P<name>...) syntax. \g<number> uses the corresponding group number; \g<2> is therefore equivalent to \2, but isn』t ambiguous in a replacement such as \g<2>0. \20 would be interpreted as a reference to group 20, not a reference to group 2 followed by the literal character '0'. The backreference \g<0> substitutes in the entire substring matched by the RE.
Changed in version 2.7: Added the optional flags argument.
re.sub的功能
re是regular expression的所寫，表示正則表達式
sub是substitute的所寫，表示替換；
re.sub是個正則表達式方面的函數，用來實現通過正則表達式，實現比普通字元串的replace更加強大的替換功能；
舉個最簡單的例子：
如果輸入字元串是：
?
1
inputStr = "hello 111 world 111"
那麼你可以通過
?
1
replacedStr = inputStr.replace("111", "222")
去換成
"hello 222 world 222"
但是，如果輸入字元串是：
?
1
inputStr = "hello 123 world 456"
而你是想把123和456，都換成222
（以及其他還有更多的復雜的情況的時候），
那麼就沒法直接通過字元串的replace達到這一目的了。
就需要藉助於re.sub，通過正則表達式，來實現這種相對復雜的字元串的替換：
?
1
replacedStr = re.sub("\d+", "222", inputStr)
當然，實際情況中，會有比這個例子更加復雜的，其他各種特殊情況，就只能通過此re.sub去實現如此復雜的替換的功能了。
所以，re.sub的含義，作用，功能就是：
對於輸入的一個字元串，利用正則表達式（的強大的字元串處理功能），去實現（相對復雜的）字元串替換處理，然後返回被替換後的字元串
其中re.sub還支持各種參數，比如count指定要替換的個數等等。
下面就是來詳細解釋其各個參數的含義。
re.sub的各個參數的詳細解釋
re.sub共有五個參數。
其中三個必選參數：pattern, repl, string
兩個可選參數：count, flags
第一個參數：pattern
pattern，表示正則中的模式字元串，這個沒太多要解釋的。
需要知道的是：
反斜杠加數字（\N），則對應著匹配的組（matched group）
比如\6，表示匹配前面pattern中的第6個group
意味著，pattern中，前面肯定是存在對應的，第6個group，然後你後面也才能去引用
比如，想要處理：
hello crifan, nihao crifan
且此處的，前後的crifan，肯定是一樣的。
而想要把整個這樣的字元串，換成crifanli
則就可以這樣的re.sub實現替換：
?
1
2
3
inputStr = "hello crifan, nihao crifan";
replacedStr = re.sub(r"hello (\w+), nihao \1", "crifanli", inputStr);
print "replacedStr=",replacedStr; #crifanli
第二個參數：repl
repl，就是replacement，被替換，的字元串的意思。
repl可以是字元串，也可以是函數。
repl是字元串
如果repl是字元串的話，其中的任何反斜杠轉義字元，都會被處理的。
即：
\n：會被處理為對應的換行符；
\r：會被處理為回車符；
其他不能識別的轉移字元，則只是被識別為普通的字元：
比如\j，會被處理為j這個字母本身；
反斜杠加g以及中括弧內一個名字，即：\g<name>，對應著命了名的組，named group
接著上面的舉例：
想要把對應的：
hello crifan, nihao crifan
中的crifan提取出來，只剩：
crifan
就可以寫成：
?
1
2
3
inputStr = "hello crifan, nihao crifan";
replacedStr = re.sub(r"hello (\w+), nihao \1", "\g<1>", inputStr);
print "replacedStr=",replacedStr; #crifan
對應的帶命名的組（named group）的版本是：
?
1
2
3
inputStr = "hello crifan, nihao crifan";
replacedStr = re.sub(r"hello (?P<name>\w+), nihao (?P=name)", "\g<name>", inputStr);
print "replacedStr=",replacedStr; #crifan
repl是函數
舉例說明：
比如輸入內容是：
hello 123 world 456
想要把其中的數字部分，都加上111，變成：
hello 234 world 567
那麼就可以寫成：
?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
#!/usr/bin/python
# -*- coding: utf-8 -*-
"""
Function:
Version: 2013-05-02
Author: Crifan
Contact: admin (at) crifan.com
"""
import re;
def pythonReSubDemo():
"""
demo Pyton re.sub
"""
inputStr = "hello 123 world 456";
def _add111(matched):
intStr = matched.group("number"); #123
intValue = int(intStr);
addedValue = intValue + 111; #234
addedValueStr = str(addedValue);
return addedValueStr;
replacedStr = re.sub("(?P<number>\d+)", _add111, inputStr);
print "replacedStr=",replacedStr; #hello 234 world 567
###############################################################################
if __name__=="__main__":
pythonReSubDemo();
第三個參數：string
string，即表示要被處理，要被替換的那個string字元串。
沒什麼特殊要說明。
第四個參數：count
舉例說明：
繼續之前的例子，假如對於匹配到的內容，只處理其中一部分。
比如對於：
hello 123 world 456 nihao 789
只是像要處理前面兩個數字：123,456，分別給他們加111，而不處理789，
那麼就可以寫成：
?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
#!/usr/bin/python
# -*- coding: utf-8 -*-
"""
Function:
Version: 2013-05-02
Author: Crifan
Contact: admin (at) crifan.com
"""
import re;
def pythonReSubDemo():
"""
demo Pyton re.sub
"""
inputStr = "hello 123 world 456 nihao 789";
def _add111(matched):
intStr = matched.group("number"); #123
intValue = int(intStr);
addedValue = intValue + 111; #234
addedValueStr = str(addedValue);
return addedValueStr;
replacedStr = re.sub("(?P<number>\d+)", _add111, inputStr, 2);
print "replacedStr=",replacedStr; #hello 234 world 567 nihao 789
###############################################################################
if __name__=="__main__":
pythonReSubDemo();
第五個參數：flags
關於re.sub的注意事項
然後再來整理一些，關於re.sub的注意事項，常見的問題及解決辦法：
要注意，被替換的字元串，即參數repl，是普通的字元串，不是pattern
注意到，語法是：
?
1
re.sub(pattern, repl, string, count=0, flags=0)
即，對應的第二個參數是repl。
需要你指定對應的r前綴，才是pattern：
r"xxxx"
不要誤把第四個參數flag的值，傳遞到第三個參數count中了
否則就會出現我這里：
【已解決】Python中，（1）re.compile後再sub可以工作，但re.sub不工作，或者是（2）re.search後replace工作，但直接re.sub以及re.compile後再re.sub都不工作
遇到的問題：
當傳遞第三個參數，原以為是flag的值是，
結果實際上是count的值
所以導致re.sub不功能，
所以要參數指定清楚了：
?
1
replacedStr = re.sub(replacePattern, orignialStr, replacedPartStr, flags=re.I); # can omit count parameter
或：
?
1
replacedStr = re.sub(replacePattern, orignialStr, replacedPartStr, 1, re.I); # must designate count parameter
才可以正常工作。
3. python如何使用re模塊的sub函數實現把一串字母或者數字組合的字元串，全部替換成*
改成
print re.sub("\w","*",_string3)
另外r作用是取消特殊意思
比如r"\a"則匹配\a的
4. python3 將中文句子中漢字數字轉阿拉伯數字
import re
s ='五百八十二元3角六分'
s = re.sub('一','1',s)
s = re.sub('二','2',s)
s = re.sub('三','3',s)
s = re.sub('四','4',s)
s = re.sub('五','5',s)
s = re.sub('六','6',s)
s = re.sub('七','7',s)
s = re.sub('八','8',s)
s=re.sub('九','9',s)
print(s)
a_list = re.findall('\d\D+',s) #type:list
print(a_list)
for a in range(len(a_list)): #type:int
('縮進')if a_list[a].endswith('百'):
('縮進')('縮進')a_list[a]=int(a_list[a][0]+'00')
('縮進')elif a_list[a].endswith('十'):
('縮進')('縮進')a_list[a] = int(a_list[a][0] + '0')
('縮進')elif a_list[a].endswith('元'):
('縮進')('縮進')a_list[a] = int(a_list[a][0])
('縮進')elif a_list[a].endswith('角'):
('縮進')('縮進')a_list[a] = float('0.'+a_list[a][0])
('縮進')elif a_list[a].endswith('分'):
('縮進')('縮進')a_list[a] = float('0.0'+a_list[a][0])
print(sum(a_list))
print(round(sum(a_list),2))
5. python的re，正則表達式，可以用中文么
解決了>>>
a='中文'>>>
a'\xd6\xd0\xce\xc4'>>>
import
re>>>
mytestre=re.compile('\xd6\xd0\xce\xc4')>>>
b='中文asdf223中文ss'>>>
mytestre.sub('zw',b)'zwasdf223zwss'>>>復制代碼關鍵是要找到中文相應coding對應的編碼，這里中文='\xd6\xd0\xce\xc4'所以，就用\xd6\xd0\xce\xc4代替中文就可以了，如果是其他編碼，也用類似的方法找到編碼的字元串就可以了，沒測試過，應該是這樣的。哈哈。:mrgreen:
6. 正則表達式re.sub
re是regular expression的所寫，表示正則表達式
sub是substitute的所寫，表示替換；
re.sub是個正則表達式方面的函數，用來實現通過正則表達式，實現比普通字元串的replace更加強大的替換功能；
import re
print(re.sub(r"<span .*?>|</span>","","<span size=1>1</span><span font=sdf>2</span><span color=123>3</span>"))
運行結果：
123
re.sub共有五個參數。
re.sub(pattern, repl, string, count=0, flags=0)
其中三個必選參數：pattern, repl, string
兩個可選參數：count, flags
pattern，表示正則中的模式字元串，這個沒太多要解釋的。
repl，就是replacement，被替換，的字元串的意思。
repl可以是字元串，也可以是函數。
import re;
def pythonReSubDemo():
"""
demo Pyton re.sub
"""
inputStr = "hello 123 world 456";
def _add111(matched):
intStr = matched.group("number"); #123
intValue = int(intStr);
addedValue = intValue + 111; #234
addedValueStr = str(addedValue);
return addedValueStr;
replacedStr = re.sub("(?P<number>\d+)", _add111, inputStr);
print "replacedStr=",replacedStr; #hello 234 world 567
string，即表示要被處理，要被替換的那個string字元串。
沒什麼特殊要說明。
舉例說明：
繼續之前的例子，假如對於匹配到的內容，只處理其中一部分。
7. python怎麼用正則表達式提取中文
Python re正則匹配中文，其實非常簡單，把中文的unicode字元串轉換成utf-8格式就可以了，然後可以在re中隨意調用
unicode中中文的編碼為/u4e00-/u9fa5，因此正則表達式u」[\u4e00-\u9fa5]+」可以表示一個或者多個中文字元
>>> import re
>>> s='中文：123456aa哈哈哈bbcc'.decode('utf8')
>>> s
u'\u4e2d\u6587\uff1a123456aa\u54c8\u54c8\u54c8bbcc'
>>> print s
中文：123456aa哈哈哈bbcc
>>> re.match(u"[\u4e00-\u9fa5]+",s)
<_sre.SRE_Match object at 0xb77742c0>
>>> pat='中文'.decode("utf8")
>>> re.search(pat,s)
<_sre.SRE_Match object at 0x16a16df0>
>>> newpat='這里是中文內容'.decode("utf8")
>>> news=re.sub(pat,newpat,s)
>>> print news
這里是中文內容：123456aa哈哈哈bbcc
from:http://blog.aizhet.com/web/12078.html