Python正则替换文本：从入门到精通的6个实战案例
目录导读
- 为什么正则替换是文本处理的利器？
- Python正则替换核心函数详解
- 实战案例一：清除HTML标签
- 实战案例二：统一日期格式
- 实战案例三：敏感词过滤与替换
- 实战案例四：批量重命名变量名
- 实战案例五：格式化电话号码
- 实战案例六：多模式复合替换（进阶技巧）
- 高频问答与避坑指南
为什么正则替换是文本处理的利器？
在Python数据处理、爬虫清洗、日志分析或代码重构中，正则替换（Regex Substitution） 是最基础也最强大的文本操作之一，与简单的字符串.replace()不同，正则替换允许你：
- 匹配模式而非固定字符串
- 保留匹配部分并重组成新文本
- 实现条件替换、循环替换等复杂逻辑
根据Stack Overflow 2023开发者调查，超过70%的Python开发者日常使用正则表达式处理文本。掌握re.sub()，你就掌握了对任意文本结构的“手术刀”。
Python正则替换核心函数详解
re.sub()函数是正则替换的核心，其语法为：
re.sub(pattern, repl, string, count=0, flags=0)
pattern：正则模式字符串repl：替换字符串或可调用对象（函数）string：待处理文本count：最大替换次数，0表示全部替换flags：修饰符，如re.I忽略大小写
关键技巧：在repl中使用\1、\2可以引用分组匹配的内容，例如r'\1_\2'会将匹配的两组用下划线连接。
实战案例一：清除HTML标签
场景：从HTML页面提取纯文本内容。
import re html = '<p style="color:red">Hello <b>World</b>!</p>' clean_text = re.sub(r'<[^>]+>', '', html) print(clean_text) # 输出: Hello World!
原理：<[^>]+>匹配所有以<开头、>结尾的标签，注意：这适用于简单标签，对嵌套标签请用BeautifulSoup。
实战案例二：统一日期格式
场景：将“2023-12-25”或“2023/12/25”统一为“2023年12月25日”。
text = "日期1: 2023-12-25, 日期2: 2024/01/15"
pattern = r'(\d{4})[-/](\d{2})[-/](\d{2})'
replacement = r'\1年\2月\3日'
result = re.sub(pattern, replacement, text)
print(result) # 输出: 日期1: 2023年12月25日, 日期2: 2024年01月15日
注意：分组捕获数字，\1、\2、\3分别引用第一个、第二个、第三个分组。
实战案例三：敏感词过滤与替换
场景：将用户评论中的敏感词替换为“***”。
bad_words = ['暴力', '色情', '赌博'] text = "这个电影包含暴力镜头和色情内容" pattern = '|'.join(bad_words) # 构建：暴力|色情|赌博 result = re.sub(pattern, '***', text) print(result) # 输出: 这个电影包含***镜头和***内容
进阶技巧：忽略大小写：
result = re.sub(pattern, '***', text, flags=re.I)
为什么用连接：正则中的表示“或”，能同时匹配多个敏感词。
实战案例四：批量重命名变量名
场景：将Python代码中所有下划线命名（snake_case）转为驼峰命名（camelCase）。
code = "user_name = get_user_data(user_id)"
def to_camel(match):
return match.group(1) + match.group(2).upper()
result = re.sub(r'(_)([a-z])', to_camel, code)
print(result) # 输出: userName = getUserData(userId)
核心：这里使用了可调用对象作为repl。match.group(1)是下划线，group(2)是小写字母，将其转为大写后拼接。
实战案例五：格式化电话号码
场景：将各种混乱的电话号格式统一为“XXX-XXX-XXXX”。
phones = ["13812345678", "010-12345678", "0755 1234567"]
pattern = r'(\d{3,4})[- ]?(\d{3,4})[- ]?(\d{4})'
for phone in phones:
formatted = re.sub(pattern, r'\1-\2-\3', phone)
print(formatted) # 输出: 138-1234-5678, 010-1234-5678, 0755-123-4567
注意：匹配一个可选的分隔符（连字符或空格），{3,4}表示匹配3或4位数字。
实战案例六：多模式复合替换（进阶技巧）
场景：同时去除空格、统一换行符、清理特殊符号。
text_with_garbage = "Hello world!\nThis\tis a \r\ntest." # 步骤1：多个替换用正则一次完成 result = re.sub(r'\s+', ' ', text_with_garbage) # 所有空白（空格、Tab、换行）变成单个空格 result = re.sub(r'[!@#\$%\^&\*]', '', result) # 去掉特殊符号 print(result) # 输出: Hello world This is a test.
性能提示：对于大量文本，尽量用一次re.sub完成多个替换，或者使用re.compile()预编译模式：
compiled = re.compile(r'\s+')
result = compiled.sub(' ', huge_text)
高频问答与避坑指南
Q1：re.sub和字符串replace哪个更快？
A：对于固定字符串替换，replace快3-5倍，但对于模式匹配（如“将所有日期格式统一”），只能用re.sub，建议：简单替换用replace，复杂匹配用正则。
Q2：替换时遇到转义问题怎么办？
A：使用原始字符串r'...'避免Python转义，例如r'\d'表示数字，而不是\d作为转义序列，这是新手最容易犯的错误。
Q3：如何只替换前N次？
A：设置count参数，如re.sub(pattern, repl, text, count=2)只替换前2处匹配。
Q4：正则替换中如何保留匹配部分？
A：用分组捕获要保留的部分，然后在repl中通过\1引用。
re.sub(r'(hello) world', r'\1 python', "hello world") # 输出: hello python
Q5：有没有图形化工具辅助写正则？ A：推荐在线工具regex101.com（中文版也有），实时测试并解释匹配过程，但注意不要直接在爬虫中使用未测试的正则，容易触发回溯灾难。
Q6：多行文本如何处理？
A：使用re.MULTILINE（或re.M）标志，使和匹配每行的开头和结尾。
Q7：替换时出现“无效转义”错误？
A：通常是因为未使用r前缀，例如re.sub('\n', '', text)与re.sub(r'\n', '', text)不同：前者匹配一个换行符，后者匹配反斜杠加n字符串。
Q8：怎么实现逆向替换（不匹配的替换）？
A：使用负向先行断言，例如将“不是数字”的部分替换为空格：re.sub(r'(?!\d).', ' ', "abc123")，结果：123（前三个字母被替换）。
文章总结：正则替换是Python文本处理中的核心技能，掌握re.sub()的五个关键参数——模式、替换内容、目标字符串、替换次数、修饰符——就能应对90%的日常场景，从案例一到六，我们逐步覆盖了从基础HTML清理到高级代码重构的完整链路，最后提醒：写复杂正则时，务必先用小样本测试，避免生产环境出现“奇怪”的替换结果，如果遇到特殊字符或Unicode问题，在模式前加u前缀或使用re.UNICODE标志。
