如何在re.sub()中分割捕获组'\2'以替换空格为下划线？

嘿，这个问题我之前也踩过坑！你现在的写法行不通，是因为当你定义p2的时候，r'\2'只是一个字面量字符串，split(' ')分割的是这个字符串本身（也就是['\\2']），join之后还是'\2'，所以替换的时候根本没对捕获到的实际内容做空格替换。

要实现预期的效果，你需要用到re.sub()的回调函数功能——让re.sub每次找到匹配项时，调用一个函数来动态处理捕获到的内容，而不是用静态字符串作为替换值。

具体解决方案 #

方法1：使用自定义函数

import re

InputString = r'On <ENAMEX TYPE="DATE">August 17</ENAMEX> , <ENAMEX TYPE="GPE">Tai wan</ENAMEX> is investigation department.'
p1 = r'<ENAMEX TYPE="(\S+)">(.+?)</ENAMEX>'

def process_match(match_obj):
    # 获取第二个捕获组的内容（就是我们要替换空格的文本）
    target_text = match_obj.group(2)
    # 把空格替换成下划线后返回
    return target_text.replace(' ', '_')

plain_text = re.sub(p1, process_match, InputString)
print(plain_text)

方法2：用Lambda简化写法

如果逻辑简单，直接用lambda表达式更简洁：

import re

InputString = r'On <ENAMEX TYPE="DATE">August 17</ENAMEX> , <ENAMEX TYPE="GPE">Tai wan</ENAMEX> is investigation department.'
p1 = r'<ENAMEX TYPE="(\S+)">(.+?)</ENAMEX>'

plain_text = re.sub(p1, lambda m: m.group(2).replace(' ', '_'), InputString)
print(plain_text)

运行结果 #

两种方法都会输出你想要的结果：

On August_17 , Tai_wan is investigation department.

原理说明 #

当re.sub()的第二个参数是函数时，每次匹配到符合正则的内容，就会把一个匹配对象传给这个函数。你可以通过匹配对象的group()方法获取各个捕获组的实际内容，然后对这些内容做任意处理（比如替换空格），最后返回处理后的字符串作为替换值。

内容的提问来源于stack exchange，提问作者futurelj