re.sub和re.findall的区别

Question

我有一些字符串，比如“Billboard Bill SpA”。我想要一个正则表达式，能够去掉“SpA”，但前提是它前面有一个大写字母开头的单词。我现在用的正则表达式是“[A-Z][a-z]*\s(SpA)”。但是如果我用re.sub，这样会把“SpA”和它前面的那个大写单词都去掉，这个结果是我不想要的。

re.sub("[A-Z][a-z]*\s(SpA)", "", "Billboard Bill SpA")
'Billboard '

不过，如果我用re.findall，就能得到我想要的效果：

re.findall("[A-Z][a-z]*\s(SpA)", "Billboard Bill SpA")
['SpA']

我知道我可以用一个前瞻表达式“?<=”来处理，这样就不会消耗掉前面的文本，但这个方法只适用于固定长度的表达式。有没有人知道我该怎么做，才能只用re.sub去掉“SpA”，或者让它像re.findall那样工作呢？

更清楚一点说，我想要一个正则表达式，只去掉“SpA”，前提是它前面有一个大写字母开头的单词：

re.sub(regular_expresssion, "", "Billboard Bill SpA") -> Billboard Bill
re.sub(regular_expresssion, "", "to SpA") -> to SpA

Answer 1

使用分组来进行替换。

>>> re.sub("([A-Z][a-z]*\s)(SpA)", "\\1", "Billboard Bill SpA")
'Billboard Bill '

Answer 2

你的 re.sub 是在替换整个匹配的内容，而不仅仅是 (SpA) 这一部分。这就是为什么它也把 Bill 给去掉了。另一方面，findall 则是只给你想要的那部分。

在 re.sub 中，你可以指定保留你不想删除的匹配部分。

re.sub("([A-Z][a-z]*\s)SpA", "\\1", "Billboard Bill SpA")
'Billboard Bill '

如果你想把空格也去掉，可以把 \s 移到括号外面。