如何使用re.sub()去除字符串中不需要的内容？

没问题，我来给你讲清楚怎么用Python的re.sub()清理字符串里不需要的内容，结合你给的示例数据一步步来～

先搞懂re.sub()的基础用法 #

re.sub()是Python正则表达式模块里的核心替换函数，要是把替换内容设为空字符串""，就相当于直接删除匹配到的内容。它的基本语法很简单：

re.sub(pattern, replacement, original_string)

• pattern：正则表达式，用来描述你要匹配/删除的内容格式
• replacement：替换后的内容（要删除就填""）
• original_string：你要处理的原字符串

针对你的示例数据实战 #

先把你给的示例里的关键字符串拎出来，比如那个title字段：

Basket US - NBA - Matchs - Sacramento Kings // Golden State Warriors - 1 avril 2018 - 4h10

下面针对几种常见需求给出处理方案：

需求1：只保留球队名称，删除前缀分类和后缀日期时间 #

如果你只想留下两支球队的名字，我们可以写正则匹配开头的前缀和结尾的日期部分，然后替换成空：

import re

title = "Basket US - NBA - Matchs - Sacramento Kings // Golden State Warriors - 1 avril 2018 - 4h10"
# 匹配开头的前缀 ^Basket US - NBA - Matchs - ，或者结尾的日期部分 - \d+ .*$
clean_title = re.sub(r'^Basket US - NBA - Matchs - | - \d+ .*$', '', title)
print(clean_title)
# 输出: Sacramento Kings // Golden State Warriors

这里正则里的^表示字符串开头，$表示结尾，|表示“或”的逻辑，.*表示匹配任意字符（直到字符串结束）。

需求2：把分隔符//换成更友好的vs #

如果还要优化球队名称的分隔方式，可以接着替换：

clean_title_vs = re.sub(r'//', 'vs', clean_title)
print(clean_title_vs)
# 输出: Sacramento Kings vs Golden State Warriors

需求3：删除所有特殊符号（只保留字母、数字和空格） #

如果想去掉所有非文字数字的符号，用[^a-zA-Z0-9\s]匹配所有不在这个范围内的字符，然后替换为空：

clean_all_special = re.sub(r'[^a-zA-Z0-9\s]', '', title)
print(clean_all_special)
# 输出: Basket US  NBA  Matchs  Sacramento Kings  Golden State Warriors  1 avril 2018  4h10

处理字典里的其他字段 #

比如你示例里的data-event_id字段是sacramento_kings__golden_state_warriors，想把双下划线换成空格：

var1 = {
    'data-event_id': 'sacramento_kings__golden_state_warriors',
    # 其他字段省略...
}
clean_event_id = re.sub(r'__', ' ', var1['data-event_id'])
print(clean_event_id)
# 输出: sacramento_kings golden_state_warriors

几个实用小技巧 #

• 如果你不确定正则写得对不对，可以先单独打印匹配到的内容，确认后再替换成空；
• 正则里的特殊字符（比如.、-、*）如果要匹配本身，需要加转义符\，比如匹配.要写\.；
• 复杂的匹配可以用括号分组，比如(pattern1)(pattern2)，替换时可以用\1引用第一个分组的内容。

内容的提问来源于stack exchange，提问作者Elsha