基础库正则表达式-sub

时间：2024-12-22 07:04:38

除了使用正则表达式提取信息，有时候还需要借助它来修改文本。例如，想要把一串文本中的所有数字都去掉，如果只用字符串的replace方法，未免太烦琐了，这时可以借助sub方法。

import re

content = '54aK54yr5oiR54ix5L2g'
content = re.sub('\d+', '', content)
print(content)

运行结果如下:

aKyroiRixLg

这里往 sub 方法的第一个参数中传入 \d+ 以匹配所有的数字，往第二个参数中传人把数字替换成的字符串(如果去掉该参数，可以赋值为空)，第三个参数是原字符串。
在上面的 HTML 文本中，如果想获取所有li节点的歌名，直接用正则表达式来提取可能比较烦琐。例如，写成这样:

results = re.findall('<li.*?>\s*?(<a.*?>)?(\w+)(</a>)?\s*?</li>', html, re.S)
for result in results:
    print(result[1])

运行结果如下:

一路上有你
往事随风
光辉岁月
记事本
但愿人长久

而此时借助 sub 方法就比较简单了。可以先用 sub 方法将a节点去掉，只留下文本，然后再利用findall提取就好了:

html = re.sub('<a.*?>|</a>', '', html)
print(html)
results = re.findall('<li.*?>(.*?)</li>', html, re.S)
for result in results:
    print(result.strip())

运行结果如下：

<div id="songs-list">
<h2 class="title">经典老歌</h2>
<p class="introduction">
经典老歌列表
</p>
<ul id="list" class="list-group">
<li data-view="2">一路上有你</li>
<li data-view="7">

沧海一声笑

</li>
<li data-view="4" class="active">
往事随风
</li>
<li data-view="6"> 光辉岁月</li>
<li data-view="5">记事本
</li>
<li data-view="5">但愿人长久
</li>
</ul>
</div>
一路上有你
沧海一声笑
往事随风
光辉岁月
记事本
但愿人长久

可以看到，经过 sub 方法处理后，a节点就没有了，然后通过 findall 方法直接提取即可。可以发现，在适当的时候借助 sub 方法，可以起到事半功倍的效果。

相关文章