1. python 中 re.sub 和 re.compile 是啥意思呀跪求大神解释。
在python中re是一个常用的模块，主要是通过正则表达式进行字符串处理。它的速度相对自己用 find, replace, split来说，通常更快。当然功能更强大。
正则表达式也是一种语言，所以如果通过re.compile把它编译成对象，会速度快很多。所以我们经常看到这样的语句
exp=re.compile("S+")
m=exp.search(bigtext)
printm.group(0)这段话等同于
m=re.search("S+",bigtext)
printm.group(0)re.sub则相当于字符串操作中的replace，比如
sometext=re.sub("(?isu)
","
",sometext)上面这句话是将回车换行，变成换行。这是为了将windows下的文本文件移到linux下，防止某些软件不兼容所做的处理。
简单的说re.sub是做字符串替换的， re.compile是将正则表达式编译成一个对象，加快速度，并重复使用。
2. Python re.sub
【背景】
Python中的正则表达式方面的功能，很强大。
其中就包括re.sub，实现正则的替换。
功能很强大，所以导致用法稍微有点复杂。
所以当遇到稍微复杂的用法时候，就容易犯错。
所以此处，总结一下，在使用re.sub的时候，需要注意的一些事情。
解释具体的注意事项之前，先把其具体的解释贴出来：
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的所写，表示正则表达式
sub是substitute的所写，表示替换；
re.sub是个正则表达式方面的函数，用来实现通过正则表达式，实现比普通字符串的replace更加强大的替换功能；
举个最简单的例子：
如果输入字符串是：
?
1
inputStr = "hello 111 world 111"
那么你可以通过
?
1
replacedStr = inputStr.replace("111", "222")
去换成
"hello 222 world 222"
但是，如果输入字符串是：
?
1
inputStr = "hello 123 world 456"
而你是想把123和456，都换成222
（以及其他还有更多的复杂的情况的时候），
那么就没法直接通过字符串的replace达到这一目的了。
就需要借助于re.sub，通过正则表达式，来实现这种相对复杂的字符串的替换：
?
1
replacedStr = re.sub("\d+", "222", inputStr)
当然，实际情况中，会有比这个例子更加复杂的，其他各种特殊情况，就只能通过此re.sub去实现如此复杂的替换的功能了。
所以，re.sub的含义，作用，功能就是：
对于输入的一个字符串，利用正则表达式（的强大的字符串处理功能），去实现（相对复杂的）字符串替换处理，然后返回被替换后的字符串
其中re.sub还支持各种参数，比如count指定要替换的个数等等。
下面就是来详细解释其各个参数的含义。
re.sub的各个参数的详细解释
re.sub共有五个参数。
其中三个必选参数：pattern, repl, string
两个可选参数：count, flags
第一个参数：pattern
pattern，表示正则中的模式字符串，这个没太多要解释的。
需要知道的是：
反斜杠加数字（\N），则对应着匹配的组（matched group）
比如\6，表示匹配前面pattern中的第6个group
意味着，pattern中，前面肯定是存在对应的，第6个group，然后你后面也才能去引用
比如，想要处理：
hello crifan, nihao crifan
且此处的，前后的crifan，肯定是一样的。
而想要把整个这样的字符串，换成crifanli
则就可以这样的re.sub实现替换：
?
1
2
3
inputStr = "hello crifan, nihao crifan";
replacedStr = re.sub(r"hello (\w+), nihao \1", "crifanli", inputStr);
print "replacedStr=",replacedStr; #crifanli
第二个参数：repl
repl，就是replacement，被替换，的字符串的意思。
repl可以是字符串，也可以是函数。
repl是字符串
如果repl是字符串的话，其中的任何反斜杠转义字符，都会被处理的。
即：
\n：会被处理为对应的换行符；
\r：会被处理为回车符；
其他不能识别的转移字符，则只是被识别为普通的字符：
比如\j，会被处理为j这个字母本身；
反斜杠加g以及中括号内一个名字，即：\g<name>，对应着命了名的组，named group
接着上面的举例：
想要把对应的：
hello crifan, nihao crifan
中的crifan提取出来，只剩：
crifan
就可以写成：
?
1
2
3
inputStr = "hello crifan, nihao crifan";
replacedStr = re.sub(r"hello (\w+), nihao \1", "\g<1>", inputStr);
print "replacedStr=",replacedStr; #crifan
对应的带命名的组（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是函数
举例说明：
比如输入内容是：
hello 123 world 456
想要把其中的数字部分，都加上111，变成：
hello 234 world 567
那么就可以写成：
?
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();
第三个参数：string
string，即表示要被处理，要被替换的那个string字符串。
没什么特殊要说明。
第四个参数：count
举例说明：
继续之前的例子，假如对于匹配到的内容，只处理其中一部分。
比如对于：
hello 123 world 456 nihao 789
只是像要处理前面两个数字：123,456，分别给他们加111，而不处理789，
那么就可以写成：
?
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();
第五个参数：flags
关于re.sub的注意事项
然后再来整理一些，关于re.sub的注意事项，常见的问题及解决办法：
要注意，被替换的字符串，即参数repl，是普通的字符串，不是pattern
注意到，语法是：
?
1
re.sub(pattern, repl, string, count=0, flags=0)
即，对应的第二个参数是repl。
需要你指定对应的r前缀，才是pattern：
r"xxxx"
不要误把第四个参数flag的值，传递到第三个参数count中了
否则就会出现我这里：
【已解决】Python中，（1）re.compile后再sub可以工作，但re.sub不工作，或者是（2）re.search后replace工作，但直接re.sub以及re.compile后再re.sub都不工作
遇到的问题：
当传递第三个参数，原以为是flag的值是，
结果实际上是count的值
所以导致re.sub不功能，
所以要参数指定清楚了：
?
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模块的sub函数实现把一串字母或者数字组合的字符串，全部替换成*
改成
print re.sub("\w","*",_string3)
另外r作用是取消特殊意思
比如r"\a"则匹配\a的
4. python3 将中文句子中汉字数字转阿拉伯数字
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
('缩进')if a_list[a].endswith('百'):
('缩进')('缩进')a_list[a]=int(a_list[a][0]+'00')
('缩进')elif a_list[a].endswith('十'):
('缩进')('缩进')a_list[a] = int(a_list[a][0] + '0')
('缩进')elif a_list[a].endswith('元'):
('缩进')('缩进')a_list[a] = int(a_list[a][0])
('缩进')elif a_list[a].endswith('角'):
('缩进')('缩进')a_list[a] = float('0.'+a_list[a][0])
('缩进')elif a_list[a].endswith('分'):
('缩进')('缩进')a_list[a] = float('0.0'+a_list[a][0])
print(sum(a_list))
print(round(sum(a_list),2))
5. python的re，正则表达式，可以用中文么
解决了>>>
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'>>>复制代码关键是要找到中文相应coding对应的编码，这里中文='\xd6\xd0\xce\xc4'所以，就用\xd6\xd0\xce\xc4代替中文就可以了，如果是其他编码，也用类似的方法找到编码的字符串就可以了，没测试过，应该是这样的。哈哈。:mrgreen:
6. 正则表达式re.sub
re是regular expression的所写，表示正则表达式
sub是substitute的所写，表示替换；
re.sub是个正则表达式方面的函数，用来实现通过正则表达式，实现比普通字符串的replace更加强大的替换功能；
import re
print(re.sub(r"<span .*?>|</span>","","<span size=1>1</span><span font=sdf>2</span><span color=123>3</span>"))
运行结果：
123
re.sub共有五个参数。
re.sub(pattern, repl, string, count=0, flags=0)
其中三个必选参数：pattern, repl, string
两个可选参数：count, flags
pattern，表示正则中的模式字符串，这个没太多要解释的。
repl，就是replacement，被替换，的字符串的意思。
repl可以是字符串，也可以是函数。
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，即表示要被处理，要被替换的那个string字符串。
没什么特殊要说明。
举例说明：
继续之前的例子，假如对于匹配到的内容，只处理其中一部分。
7. python怎么用正则表达式提取中文
Python re正则匹配中文，其实非常简单，把中文的unicode字符串转换成utf-8格式就可以了，然后可以在re中随意调用
unicode中中文的编码为/u4e00-/u9fa5，因此正则表达式u”[\u4e00-\u9fa5]+”可以表示一个或者多个中文字符
>>> 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='这里是中文内容'.decode("utf8")
>>> news=re.sub(pat,newpat,s)
>>> print news
这里是中文内容：123456aa哈哈哈bbcc
from:http://blog.aizhet.com/web/12078.html