Python正则替换案例如何批量替换

wen python案例 2026-07-01 31

Python正则替换案例：如何批量替换文本内容（完整实战指南）

目录导读

为什么需要批量正则替换？
Python正则替换基础：re.sub()方法详解
实战案例1：批量替换HTML标签内容
实战案例2：批量清理日志文件中的敏感信息
实战案例3：批量格式化JSON字符串中的日期格式
实战案例4：批量替换CSV文件中的特定列值
进阶技巧：使用回调函数实现动态替换
常见问题与避坑指南（Q&A）
总结与最佳实践

为什么需要批量正则替换？

在数据处理、日志清洗、文本格式化等场景中，我们经常需要对大量文本进行模式化替换。

Python正则替换案例如何批量替换

将HTML代码中的所有<script>标签去除
将日志中的IP地址替换为[REDACTED]
将日期格式从2024-01-15统一为15/01/2024

Python的re模块提供了强大的正则替换功能，尤其是re.sub()方法，能够通过正则表达式模式匹配文本，并进行批量替换，相比手动逐行编辑，正则替换效率提升数百倍。

Python正则替换基础：re.sub()方法详解

基本语法

re.sub(pattern, repl, string, count=0, flags=0)

参数	说明
`pattern`	正则表达式模式（字符串）
`repl`	（字符串或函数）
`string`	要处理的原始字符串
`count`	替换次数，默认0（全部替换）
`flags`	匹配模式，如`re.IGNORECASE`

最简单的替换示例

import re
text = "Python正则替换案例：hello world"
result = re.sub(r"hello", "你好", text)
print(result)  # 输出：Python正则替换案例：你好 world

使用分组引用

text = "2024-01-15"
# 将 yyyy-mm-dd 变为 dd/mm/yyyy
result = re.sub(r"(\d{4})-(\d{2})-(\d{2})", r"\3/\2/\1", text)
print(result)  # 输出：15/01/2024

实战案例1：批量替换HTML标签内容

场景：从网页爬取的HTML源代码中，需要移除所有<script>和<style>标签及其内容。

import re
html = """
<html>
<head><title>Test</title></head>
<body>
<script>alert('hello');</script>
<style>body { color: red; }</style>段落</p>
</body>
</html>
"""
# 模式：匹配<script...>任意内容</script> 或 <style...>任意内容</style>
pattern = r"<(script|style)[^>]*>.*?</\1>"
cleaned = re.sub(pattern, "", html, flags=re.DOTALL | re.IGNORECASE)
print(cleaned)

输出结果：

<html>
<head><title>Test</title></head>
<body>
段落</p>
</body>
</html>

关键点：

使用re.DOTALL使匹配换行符
使用re.IGNORECASE忽略大小写
通过\1反向引用，确保开始和结束标签匹配

实战案例2：批量清理日志文件中的敏感信息

场景：系统日志中包含IP地址、邮箱、手机号等敏感信息，需要批量替换为[REDACTED]。

import re
logs = """
192.168.1.1 - [10/Jan/2024:12:00:00] "GET /index" 200
127.0.0.1 - admin@example.com - 13800138000
访问来源：10.0.0.1
"""
rules = {
    r"\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}": "[IP_REDACTED]",
    r"[\w\.-]+@[\w\.-]+\.\w+": "[EMAIL_REDACTED]",
    r"1[3-9]\d{9}": "[PHONE_REDACTED]"
}
for pattern, repl in rules.items():
    logs = re.sub(pattern, repl, logs, flags=re.IGNORECASE)
print(logs)

输出结果：

[IP_REDACTED] - [10/Jan/2024:12:00:00] "GET /index" 200
[IP_REDACTED] - [EMAIL_REDACTED] - [PHONE_REDACTED]
访问来源：[IP_REDACTED]

注意：正则匹配应严格根据数据格式编写，避免误替换（如IP正则需特殊处理192.168等私有地址）。

实战案例3：批量格式化JSON字符串中的日期格式

场景：一个包含多个日期字段的JSON字符串，需要将YYYY-MM-DD统一转换为DD/MM/YYYY。

import re
import json
data = '[{"date": "2024-01-15", "event": "meeting"}, {"date": "2023-12-31", "event": "new year"}]'
json_str = json.dumps(data)
# 匹配引号内的日期格式：YYYY-MM-DD
pattern = r'"(\d{4})-(\d{2})-(\d{2})"'
formatted = re.sub(pattern, lambda m: f'"{m.group(3)}/{m.group(2)}/{m.group(1)}"', json_str)
print(formatted)

输出结果：

[{"date": "15/01/2024", "event": "meeting"}, {"date": "31/12/2023", "event": "new year"}]

优势：使用lambda函数动态生成替换内容，灵活处理复杂格式。

实战案例4：批量替换CSV文件中的特定列值

场景：CSV文件中第二列为性别字段，需要将M替换为男，F替换为女。

import re
import csv
from io import StringIO
csv_content = """id,gender,name
1,M,Alice
2,F,Bob
3,M,Charlie
"""
reader = csv.reader(StringIO(csv_content))
lines = []
for row in reader:
    if len(row) >= 2:
        # 仅对第二列应用正则替换
        row[1] = re.sub(r"^M$", "男", row[1])
        row[1] = re.sub(r"^F$", "女", row[1])
    lines.append(",".join(row))
output = "\n".join(lines)
print(output)

输出结果：

id,gender,name
1,男,Alice
2,女,Bob
3,男,Charlie

注意：CSV处理时建议使用csv模块而不是直接正则，避免引号、逗号等特殊字符干扰。

进阶技巧：使用回调函数实现动态替换

当替换逻辑依赖匹配内容本身时,使用函数作为repl参数是最佳选择。

import re
text = "Python正则替换案例：数字 12 和 34 需要平方"
def square(match):
    num = int(match.group())
    return str(num * num)
result = re.sub(r"\d+", square, text)
print(result)  # 输出：Python正则替换案例：数字 144 和 1156 需要平方

适用场景：

根据匹配内容计算结果
对匹配文本进行二次格式化
根据外部条件决定替换策略

常见问题与避坑指南（Q&A）

Q1：为什么我的正则替换没有生效？

A：常见原因包括：

未使用r原始字符串（建议r"pattern"）
未设置re.DOTALL导致不匹配换行
未设置re.IGNORECASE导致大小写不匹配
特殊字符未转义（如中的在字符集中需转义）

Q2：如何替换所有匹配项而不是只替换第一个？

A：默认count=0即全部替换，如果只替换前N个，设置count=N。

re.sub(r"a", "x", "aaa", count=2)  # 输出："xxa"

Q3：替换后导致转义字符问题怎么办？

A：当repl字符串中包含反斜杠（如\n、\t）时，需注意双重转义，建议使用原始字符串r"\\n"或直接使用lambda函数：

re.sub(r"\n", r"\\n", text)  # 建议
# 或
re.sub(r"\n", lambda _: "\\n", text)

Q4：如何批量处理整个文件？

A：使用with open()逐行读取或read()/write()一次性处理：

with open('input.txt', 'r', encoding='utf-8') as f:
    content = f.read()
content = re.sub(pattern, repl, content)
with open('output.txt', 'w', encoding='utf-8') as f:
    f.write(content)

Q5：正则替换性能如何优化？

A：