Re.sub: примеры (PYTHON)

Примеры использования re.sub

Простая замена цифр на символ 'X':

import re
result = re.sub(r'\d', 'X', 'a1b2c3')
print(result)

aXbXcX

Использование обратной ссылки в строке замены для дублирования найденной группы:

result = re.sub(r'(\d+)', r'\1-\1', 'abc123def456')
print(result)

abc123-123def456-456

Замена с ограничением количества замен (count=2):

result = re.sub(r'\d', 'X', 'a1b2c3d4', count=2)
print(result)

aXbXc3d4

Использование флага re.IGNORECASE для регистронезависимой замены:

result = re.sub(r'python', 'Java', 'Python is python', flags=re.IGNORECASE)
print(result)

Java is Java

Передача функции в качестве аргумента repl для преобразования найденных чисел в квадрат:

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

result = re.sub(r'\d+', square, '2 and 5')
print(result)

4 and 25

Похожие функции в Python

Для замены подстрок в Python также применяются:

• str.replace(): простая замена фиксированной строки без использования регулярных выражений. Работает быстрее для элементарных случаев.
• re.subn(): аналогична re.sub, но возвращает кортеж из новой строки и количества выполненных замен.
• str.translate(): эффективное преобразование отдельных символов с помощью таблицы перевода.

Выбор между re.sub и str.replace зависит от необходимости использования сложных шаблонов: для простых замен подходит str.replace, а для работы с паттернами - re.sub.

Аналоги функции в других языках

В разных языках программирования существуют похожие методы:

JavaScript: метод replace() строки с поддержкой регулярных выражений.

let str = 'a1b2c3';
let result = str.replace(/\d/g, 'X');
console.log(result);

aXbXcX

PHP: функция preg_replace() для замены по регулярному выражению.

$str = 'a1b2c3';
$result = preg_replace('/\d/', 'X', $str);
echo $result;

aXbXcX

Java: метод replaceAll() класса String.

String str = "a1b2c3";
String result = str.replaceAll("\\d", "X");
System.out.println(result);

aXbXcX

Golang: функция ReplaceAllString() из пакета regexp.

package main
import (
    "fmt"
    "regexp"
)
func main() {
    re := regexp.MustCompile(`\d`)
    result := re.ReplaceAllString("a1b2c3", "X")
    fmt.Println(result)
}

aXbXcX

Отличия от Python-версии могут заключаться в синтаксисе шаблонов, способе передачи флагов и наличии дополнительных параметров.

Типичные ошибки при использовании re.sub

Ошибка из-за неправильного экранирования обратных ссылок в строке замены при использовании сырых строк:

# Неправильно: использование одного обратного слеша
result = re.sub(r'(\d+)', '\1', 'test123')  # Ожидается '123', но будет ошибка или неверный результат

# Правильно: использование сырых строк для обратных ссылок
result = re.sub(r'(\d+)', r'\1', 'test123')
print(result)

test123

Попытка использовать функцию замены с некорректным числом аргументов:

def repl_func():
    return "X"

try:
    result = re.sub(r'\d', repl_func, 'a1b2')
except TypeError as e:
    print(f"Ошибка: {e}")

Ошибка: repl_func() takes 0 positional arguments but 1 was given

Использование re.sub с большим количеством замен на длинных строках без учета производительности:

# Медленный пример на большой строке
import time
long_str = 'a' * 1000000 + '1'
start = time.time()
result = re.sub(r'\d', 'X', long_str)
print(f"Затраченное время: {time.time() - start:.2f} сек")

Для оптимизации часто компилируют регулярное выражение заранее с помощью re.compile.

Изменения в функции re.sub

В последних версиях Python значительных изменений в функции re.sub не происходило. Начиная с Python 3.7, шаблоны регулярных выражений и строки замены кэшируются для повышения производительности. В Python 3.11 были внесены общие оптимизации в модуль re, которые могут ускорять выполнение re.sub в некоторых сценариях.

Важным изменением в Python 3.7 стало то, что пустые совпадения для шаблона в результате разбиения заменяются только тогда, когда они не примыкают к предыдущему пустому совпадению. Это повлияло на поведение re.sub в крайних случаях с нулевой длиной совпадения.

Расширенные примеры использования re.sub

Конвертация формата даты из 'dd/mm/yyyy' в 'yyyy-mm-dd':

date_str = '25/12/2023'
result = re.sub(r'(\d{2})/(\d{2})/(\d{4})', r'\3-\2-\1', date_str)
print(result)

2023-12-25

Удаление повторяющихся слов в строке:

text = 'Это повтор повтор слов слов.'
result = re.sub(r'\b(\w+)( \1\b)+', r'\1', text)
print(result)

Это повтор слов.

Экранирование всех специальных символов в строке для использования в регулярном выражении:

import re
text = 'Пример. Со [спец] символами.'
escaped = re.sub(r'([\\\\.\[\]\{\}\\(\\)\\*\\+\\?\\|\\^\\$])', r'\\\1', text)
print(escaped)

Пример\. Со \[спец\] символами\.

Разделение CamelCase на отдельные слова с пробелами:

def spaces(match):
    return ' ' + match.group(1).lower()

camel = 'CamelCaseString'
result = re.sub(r'([A-Z])', spaces, camel).strip()
print(result)

camel case string

Замена чисел на их текстовое представление с помощью функции-замены:

def number_to_text(match):
    num_map = {'1': 'один', '2': 'два', '3': 'три'}
    return num_map.get(match.group(), match.group())

result = re.sub(r'\d', number_to_text, 'У меня 2 яблока и 1 апельсин')
print(result)

У меня два яблока и один апельсин

Обработка HTML-тегов: удаление всех тегов, оставляя только текст:

html = '<div>Текст <span>с тегами</span>.</div>'
clean = re.sub(r'<[^>]*>', '', html)
print(clean)

Текст с тегами.