命令行与文本处理 / 系统课时

基础文本替换

基础文本替换

学习目标

  • 掌握 re.sub() 的基本用法。
  • 会将匹配内容替换为固定文本。
  • 会限制替换次数。
  • 会同时获取替换次数。

问题背景或应用场景

数据清洗经常需要批量删除多余空白、替换敏感数字或统一状态词。正则负责定位不同形式的目标,re.sub() 负责生成新的字符串。

核心原理

  1. re.sub() 返回替换后的新字符串,不会原地修改原字符串。
  2. 替换文本可以是固定字符串。
  3. count 参数可以限制最多替换次数。
  4. re.subn() 同时返回新字符串和实际替换次数。
  5. 替换前应验证模式不会覆盖过多内容。

固定替换适合脱敏和规范化。如果替换内容需要依赖捕获字段,应使用下一课的捕获组引用或替换函数。

基础用法

本课涉及的核心写法如下:

text
re.sub(pattern, replacement, text)
re.sub(pattern, replacement, text, count=1)
re.subn(pattern, replacement, text)

原始输入通常应保留,替换结果保存为新变量。批量处理前应先对样例数据执行预览。

完整可运行示例

将代码保存为:

text
basic_replacement.py
python
import re

text = "order A1001 paid, order A1002 refunded"

masked = re.sub(r"A[0-9]{4}", "A****", text)
first_only = re.sub(r"A[0-9]{4}", "A****", text, count=1)
normalized = re.sub(r"[ \t]+", " ", "name    Alice\tage 30")
result, count = re.subn(r"paid|refunded", "processed", text)

print(f"全部脱敏:{masked}")
print(f"仅替换一次:{first_only}")
print(f"空白规范化:{normalized}")
print(f"状态替换:{result}")
print(f"替换次数:{count}")

运行命令:

bash
python basic_replacement.py

预期输出

text
全部脱敏:order A**** paid, order A**** refunded
仅替换一次:order A**** paid, order A1002 refunded
空白规范化:name Alice age 30
状态替换:order A1001 processed, order A1002 processed
替换次数:2

Tips

  • 替换不会修改原字符串。
  • 批量替换前先验证匹配范围。
  • count 适合只替换前几个结果。
  • 需要审计时使用 subn() 获取次数。

常见错误

1. 认为 sub() 原地修改字符串

Python 字符串不可变,必须接收返回值。

2. 模式过宽

过于宽泛的规则可能替换正常内容。

3. 忽略替换次数

关键清洗任务应检查实际替换数量是否符合预期。

本课练习

  1. 把所有订单号替换为固定脱敏文本。
  2. 只替换第一个订单号。
  3. 把连续空格和制表符压缩为一个空格。
  4. 使用 subn() 输出替换次数。
按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

基础文本替换

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通