re.sub方法为何替换为捕获组名而非对应捕获值？

需求说明 #

仅对未附带hh:mm am/pm时间标识的日期格式（如2022_-_02_-_18）进行改写，包裹为(日期 00:00 am)形式；已附带时间标识的日期保持原样不变。

原代码及问题 #

原测试代码尝试用re.sub结合捕获组和lambda函数处理，但替换时输出了\g<year>这类捕获组名称而非实际匹配值，且错误修改了带时间的日期：

import re, datetime

# example
input_text = "Alrededor de las 00:16 am o las 23:30 pm 2022_-_02_-_18 , quizas cerca del 2022_-_02_-_18 llega el avion, pero no a las (2022_-_02_-_18 00:16 am), de esos hay dos (22)"

# identification pattern
input_date_structure = r"(?P<year>\d*)_-_(?P<month>\d{2})_-_(?P<startDay>\d{2})"
identify_only_date_regex_00 = input_date_structure + r"[\s|]*" + r"(\d{2}:\d{2}[\s|]*[ap]m)?" # to identify if there is a time after the date
identify_only_date_regex_01 = r"(\d{2}:\d{2}[\s|]*[ap]m)?" + r"[\s|]*" + input_date_structure # to identify if there is a time before the date

# replacement structure
date_restructuring_structure = r"\g<year>_-_\g<month>_-_\g<startDay>"
restructuring_only_date = lambda x: x.group() if x.group(1) else " (" + date_restructuring_structure + " 00:00 am)"

# do the replace with re.sub() method and the regex patterns instructions
input_text = re.sub(identify_only_date_regex_00, restructuring_only_date, input_text)
input_text = re.sub(identify_only_date_regex_01, restructuring_only_date, input_text)

# print output
print(repr(input_text)) # --> output

错误输出 #

'Alrededor de las 00:16 am o las 23:30 pm 2022_-_02_-_18 , quizas cerca del (\\g<year>_-_\\g<month>_-_\\g<startDay> 00:00 am) llega el avion, pero no a las ( (\\g<year>_-_\\g<month>_-_\\g<startDay> 00:00 am) 00:16 am), de esos hay dos (22)'

期望输出 #

"Alrededor de las 00:16 am o las 23:30 pm 2022_-_02_-_18 , quizas cerca del (2022_-_02_-_18 00:00 am) llega el avion, pero no a las (2022_-_02_-_18 00:16 am), de esos hay dos (22)"

问题原因 #

1. 捕获组语法使用错误：\g<year>这类语法仅在re.sub的第二个参数为字符串时会被解析为捕获组内容；但在lambda函数中，直接拼接该字符串只会把它当作普通文本输出，不会替换为实际匹配值。
2. 正则逻辑缺陷：原正则会匹配带时间的日期（因为时间部分是可选分组），且两次替换会重复处理已修改的内容（比如把带时间的日期也错误包裹）。

修正方案 #

关键修改点 #

• 用负向前后断言编写正则，确保仅匹配前后没有时间标识的独立日期，避免误匹配带时间的情况。
• 在lambda函数中直接通过匹配对象的group()方法获取捕获组的实际值，而非使用\g<name>语法。
• 排除已被括号包裹的日期，避免重复处理。

修正后的代码 #

import re

input_text = "Alrededor de las 00:16 am o las 23:30 pm 2022_-_02_-_18 , quizas cerca del 2022_-_02_-_18 llega el avion, pero no a las (2022_-_02_-_18 00:16 am), de esos hay dos (22)"

# 正则：匹配前后无时间、且未被括号包裹的独立日期
pattern = r"""
    (?<!\d{2}:\d{2}\s*[ap]m\s*)  # 前面没有hh:mm am/pm格式的时间
    (?<!\()                      # 前面没有左括号（避免匹配已包裹的日期）
    (?P<year>\d*)_-_(?P<month>\d{2})_-_(?P<startDay>\d{2})
    (?!\s*\d{2}:\d{2}\s*[ap]m)   # 后面没有hh:mm am/pm格式的时间
    (?!\))                       # 后面没有右括号
"""

def replace_date(match):
    # 获取实际捕获的日期各部分
    date_str = f"{match.group('year')}_-_{match.group('month')}_-_{match.group('startDay')}"
    return f"({date_str} 00:00 am)"

# 使用VERBOSE模式让正则更易读，同时执行替换
output_text = re.sub(pattern, replace_date, input_text, flags=re.VERBOSE)

print(repr(output_text))

输出结果 #

'Alrededor de las 00:16 am o las 23:30 pm 2022_-_02_-_18 , quizas cerca del (2022_-_02_-_18 00:00 am) llega el avion, pero no a las (2022_-_02_-_18 00:16 am), de esos hay dos (22)'

内容的提问来源于stack exchange，提问作者Matt095