为什么re.sub要替换整个模式，而不仅仅是其中的一个捕获组？

Question

re.sub('a(b)','d','abc')产生dc，而不是adc。

为什么re.sub要取代整个捕获组，而不仅仅是捕获组'（b）'？

Answer 1

因为它应该取代整个模式的出现：

Return the string obtained by replacing the leftmost non-overlapping occurrences of the pattern in string by the replacement repl.

如果它只替换某些子组，那么包含多个组的复杂正则表达式将不起作用。有几种可能的解决方案：

1. 完全指定模式：re.sub('ab', 'ad', 'abc')-我的最爱，因为它非常可读和明确。
2. 捕获要保留的组，然后在模式中引用它们（注意，应该是原始字符串以避免转义）：re.sub('(a)b', r'\1d', 'abc')
3. 类似于前面的选项：提供一个回调函数作为repl参数，并使其处理Match对象并返回所需的结果。
4. 使用lookbehinds/lookaheds，它不包含在匹配中，但会影响匹配：re.sub('(?<=a)b', r'd', 'abxb')产生adxb。小组开头的?<=说“这是一个展望”。

Answer 2

因为这正是re.sub()doc告诉你的：

• 模式'a(b)'表示“匹配‘a’，带有可选的尾随‘b’”。（它可以自己匹配“a”，但它不可能像你想象的那样自己匹配“b”。如果你是这个意思，那么使用非贪婪的(a)??b）。
• 替换字符串是'd'
• 因此，在字符串“abc”上，它匹配所有“ab”，并用“d”替换，因此结果是“dc”

如果你想要你想要的输出，你需要在'(a)??'上进行非贪婪匹配：

>>> re.sub('(a)??b','d','abc')
'dc'

Answer 3

import re

pattern = re.compile(r"I am (\d{1,2}) .*", re.IGNORECASE)

text = "i am 32 years old"

if re.match(pattern, text):
    print(
        re.sub(pattern, r"Your are \1 years old.", text, count=1)
    )

如上所述，首先我们编译一个带有不区分大小写标志的regex模式。

然后我们检查文本是否与模式匹配，如果匹配，我们将引用regex模式（age）中唯一的组（组号为1）。