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
- re.sub() 返回替换后的新字符串,不会原地修改原字符串。
- 替换文本可以是固定字符串。
- count 参数可以限制最多替换次数。
- re.subn() 同时返回新字符串和实际替换次数。
- 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.pypython
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:2Tips
- 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
- 把所有订单号替换为固定脱敏文本。
- 只替换第一个订单号。
- 把连续空格和制表符压缩为一个空格。
- 使用 subn() 输出替换次数。
按自己的节奏,确认真正理解。