如何执行单次正则替换并复用捕获组？Perl转Python解析工具适配难题

问题背景 #

我正在将一款解析工具从Perl移植到Python：该工具使用Unicode行分隔符将输入拆分为多行，去除前导空格（仅U+0020空格字符），并通过被去除的空格确定缩进级别。我发现难以将其转换为Python惯用写法，因为re.sub()仅返回替换后的字符串，而非匹配对象（我需要用它统计被移除的空格数）。在这个特定示例中，我本可以简单比较替换前的字符串长度，但想知道更规范的实现方式。

解决方案 #

针对你的场景，有两种贴合Python惯用写法的思路，既能拿到捕获组内容，又能完成字符串处理：

1. 先用re.match()捕获，再手动生成处理后的字符串

因为你是处理行首的前导空格，re.match()会从字符串开头匹配，正好能直接拿到前导空格的捕获组，同时拼接出去除空格后的内容，完全不需要依赖re.sub()：

import re

# 示例单行
line = "   这是一行带前导空格的文本"
# 正则捕获组1：所有行首空格；捕获组2：剩余文本
match_obj = re.match(r'(^[ ]*)(.*)', line)

if match_obj:
    leading_spaces = match_obj.group(1)
    indent_level = len(leading_spaces)  # 拿到缩进级别
    stripped_line = match_obj.group(2)  # 拿到去除空格后的文本
    print(f"缩进级别：{indent_level}，处理后内容：{stripped_line}")

这种方式逻辑清晰，比对比字符串长度的写法更直观，也避免了字符串内其他空格干扰的问题。

2. 利用re.sub()的回调函数获取匹配对象

如果你确实想用re.sub()完成替换操作，可以传入自定义函数作为替换参数——这个函数会接收匹配对象作为输入，你可以在函数里提取捕获组信息，再返回替换后的内容：

import re

line = "    另一行带前导空格的文本"
# 用可变对象保存缩进信息（函数内无法直接修改外部普通变量）
indent_record = []

def process_match(match):
    # 记录捕获到的前导空格长度
    indent_record.append(len(match.group(1)))
    # 返回去除前导空格后的文本
    return match.group(2)

stripped_line = re.sub(r'(^[ ]*)(.*)', process_match, line)
if indent_record:
    print(f"缩进级别：{indent_record[0]}，处理后内容：{stripped_line}")

这种方式适合批量处理多行的场景，比如遍历拆分后的每一行时，每次调用re.sub()都能同步记录缩进级别。

多行处理的完整示例 #

结合你提到的“用Unicode行分隔符拆分输入”的需求，完整处理代码如下：

import re

# 模拟带Unicode行分隔符(\u2028)的输入文本
input_content = "   第一行内容\u2028    第二行内容\u2028第三行无缩进"
# 按Unicode行分隔符拆分多行
lines = input_content.split('\u2028')

processed_lines = []
indent_levels = []

for line in lines:
    match = re.match(r'(^[ ]*)(.*)', line)
    if match:
        indent_levels.append(len(match.group(1)))
        processed_lines.append(match.group(2))

print("处理后的所有行：", processed_lines)
print("对应每行的缩进级别：", indent_levels)

内容的提问来源于stack exchange，提问作者amon