Python re.sub()优化：多替换操作能否合并为单一操作？

咱们先来明确下需求：你手里有个Python列表，里面的字符串是以下四种格式之一（名称会变化）：

Mr: Smith
Mr: Smith; John
Smith
Smith; John

想要把它们统一转换成这种格式：

Mr,Smith,fname
Mr,Smith,John
title,Smith,fname
title,Smith,John

原来你用了四次re.sub()操作实现了需求，但想提升效率换成单一操作——当然可以！咱们可以利用正则的分组捕获+动态替换函数来搞定，一次匹配就能覆盖所有情况。

优化思路 #

核心是写一个能同时匹配四种格式的正则表达式，把标题、姓氏、名字分别捕获到不同分组里，然后通过替换函数根据捕获到的内容动态生成目标字符串，不用多次调用re.sub()。

完整代码示例 #

先修正你原来代码里的小问题（比如正则没加引号、循环里错误修改列表的问题），然后给出优化后的代码：

import re

with open("path/to/file", 'r') as fileset:
    dataset = [item.strip() for item in fileset.readlines()]  # 先统一去除空白和换行

def format_name(match):
    # 提取捕获的分组：标题、姓氏、名字
    title = match.group(1) or 'title'
    last_name = match.group(2)
    first_name = match.group(3) or 'fname'
    return f"{title},{last_name},{first_name}"

# 匹配所有四种格式的正则
pattern = r'^(?:(\w+):\s*)?(\w+)(?:;\s*(\w+))?$'
formatted_dataset = [re.sub(pattern, format_name, item) for item in dataset]

正则表达式说明 #

咱们拆解下这个正则^(?:(\w+):\s*)?(\w+)(?:;\s*(\w+))?$：

• ^(?:(\w+):\s*)?：可选的标题部分，(\w+)捕获标题（比如Mr），:\s*匹配冒号和后面的任意空白，整个用非捕获组(?:...)包裹并加?表示可选
• (\w+)：必选的姓氏部分，直接捕获姓氏（比如Smith）
• (?:;\s*(\w+))?$：可选的名字部分，;\s*匹配分号和后面的任意空白，(\w+)捕获名字（比如John），同样用非捕获组包裹并加?表示可选
• ^和$确保匹配整行内容，避免部分匹配的问题

替换函数说明 #

format_name函数接收正则匹配对象，然后：

• 如果捕获到了标题（match.group(1)不为空）就用它，否则用title
• 姓氏是必捕获的，直接取match.group(2)
• 如果捕获到了名字（match.group(3)不为空）就用它，否则用fname
• 最后用f-string拼接成目标格式的字符串

这样一来，只需要一次正则替换操作就能处理所有四种情况，代码更简洁，效率也更高~

内容的提问来源于stack exchange，提问作者t.r.orion