Python正则替换终极指南：用re.sub玩转字符串魔法

Python正则替换终极指南：用re.sub玩转字符串魔法 一、为什么re.sub是文本处理的瑞士军刀？

在Python的re模块中，re.sub()的周下载量突破5800万次（2025年PyPI数据），它实现了：

📍 模式匹配替换📍 动态内容生成📍 批量文本清洗📍 结构化数据转换

---

二、基础篇：5分钟掌握核心用法 1. 函数原型剖析 re.sub(pattern, repl, string, count=0, flags=0) pattern：正则表达式模式（字符串或编译后的模式对象）repl：替换内容（字符串或回调函数）string：原始输入字符串count：最大替换次数（0表示全部替换）flags：匹配模式（如忽略大小写re.IGNORECASE） 2. 基础替换示例 import re # 替换所有数字为* text = "订单号：AB2025 金额：1500元" result = re.sub(r"\d", "*", text) print(result) # 订单号：AB**** 金额：****元 # 限制替换次数 text = "1-2-3-4-5" result = re.sub(r"-", ":", text, count=2) print(result) # 1:2:3-4-5 以下案例均要添加 import re 三、进阶篇：解锁三大高阶技巧 1. 分组捕获与反向引用

\1 代表匹配的第1项，\2代表匹配的第2项，以此类推

# 重组日期格式（YYYY/MM/DD → DD-MM-YYYY） text = "2025/02/20 → 2026/03/21" result = re.sub(r"(\d{4})/(\d{2})/(\d{2})", r"\3-\2-\1", text) print(result) # 20-02-2025 → 21-03-2026 # 给手机号加掩码 text = "联系电话：13812345678" result = re.sub(r"(\d{3})\d{4}(\d{4})", r"\1****\2", text) print(result) # 联系电话：138****5678 2. 动态回调函数 # 数学表达式升级（数字扩大1000倍） def multiply(match): num = float(match.group(1)) return str(num * 1000) text = "重量0.5kg 长度1.2m" result = re.sub(r"(\d+\.?\d*)", multiply, text) print(result) # 重量500.0kg 长度1200.0m 3. 命名分组与复杂替换 # 处理国际化日期格式 text = "Date: 02/20/2025 (MM/DD/YYYY)" result = re.sub( r"(\d{2})/(\d{2})/(\d{4})", r"\3年\2月\1日", text ) print(result) # Date: 2025年02月20日 (MM/DD/YYYY)

---

四、工业级最佳实践 1. 性能优化方案

\b：匹配一个单词边界。

# 预编译正则模式（处理百万级文本时提速3倍） pattern = re pile(r"\b\d{6}\b") # 匹配6位纯数字 text = "邮政编码：100001 200002" result = pattern.sub("[邮编]", text) print(result) # 邮政编码：[邮编] [邮编] 2. 处理多语言文本 中日韩字符过滤（2025年新增unicode扩展区支持） # 预编译正则表达式（工业级推荐） cjk_pattern = re pile( r"([\u4e00-\u9fff\u3400-\u4dbf]|" # 中文 r"[\u3040-\u309F\u30A0-\u30FF]|" # 日文 r"[\uAC00-\uD7A3\u1100-\u11FF])+", # 韩文 flags=re.UNICODE ) text = "2025新版：漢字 かな 전자문서" result = cjk_pattern.sub("[CJK]", text) print(result) # 输出：2025[CJK]：[CJK] [CJK] [CJK]

如果不过滤中文：

cjk_pattern = re pile( r"([\u3040-\u309F\u30A0-\u30FF]|" # 日文 r"[\uAC00-\uD7A3\u1100-\u11FF])+", # 韩文 flags=re.UNICODE ) text = "2025新版：漢字 かな 전자문서" result = cjk_pattern.sub("[CJK]", text) print(result) # 2025新版：漢字 [CJK] [CJK] 3. 安全替换策略 # 防御正则注入攻击 def safe_sub(pattern, repl, text): escaped_pattern = re.escape(pattern) return re.sub(escaped_pattern, repl, text) user_input = "恶意输入[a-z].*" text = "重要数据：abc123" result = safe_sub(user_input, "", text) # 原样输出 print(result) # 重要数据：abc123

---

五、三大实战应用场景 1. 数据清洗管道 def clean_log(text): rules = [ (r"\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}", "[IP]"), # 隐藏IP (r"\d{2}:\d{2}:\d{2}", "[TIME]"), # 隐藏时间 (r"password=\w+", "password=") # 脱敏密码 ] for pattern, repl in rules: text = re.sub(pattern, repl, text) return text 2. 模板引擎开发 template = "欢迎{name}！您的订单{order_id}已发货" context = {"name": "张三", "order_id": "20250220"} def render(tpl, data): return re.sub( r"{(\w+)}", lambda m: str(data.get(m.group(1), "")), tpl ) print(render(template, context)) # 欢迎张三！您的订单20250220已发货 3. Markdown转换器 def markdown_to_html(text): text = re.sub(r"### (.+)", r"\1", text) # 三级标题 text = re.sub(r"!\[(.*?)\]\((.*?)\)", r'', text) return text