Python re.sub() 替换时如何引用匹配到的分组内容

re.sub()中引用捕获组最常用\1、\2等数字形式，命名组用\g更清晰，函数替换通过Match对象的group()方法获取匹配内容。

re.sub() 中用 \1、\2 引用分组最直接

匹配后想在替换字符串里复用捕获内容，最常用方式就是用反斜杠加数字：\1 表示第一个括号内的匹配，\2 是第二个，以此类推。这是正则引擎原生支持的语法，无需额外函数。

注意：数字只认 () 捕获组，不认 (?:...) 非捕获组；且编号从左到右按开括号顺序算，嵌套也一样。

• re.sub(r"(\w+)@(\w+\.\w+)", r"[\1] at [\2]", "user@example.com") → "[user] at [example.com]"
• 如果写成 r"\0"，它代表整个匹配（等价于 re.sub(..., r"\g", ...)），但容易和八进制转义混淆，不建议用
• 当替换字符串里要字面量输出反斜杠（比如 Windows 路径），得写双反斜杠：r"C:\\temp\\file.txt"，否则 \t 会被解释为制表符

用 \g 按命名组引用更清晰

当正则里有多个括号、逻辑复杂时，靠数 \1 \2 容易错。改用命名捕获组 + \g 语法，可读性和维护性高得多。

• 定义命名组用 (?P...)，比如 r"(?P\d{4})-(?P\d{2})"
• 替换时写 r"\g/\g"，比 r"\1/\2" 直观得多
• 命名组名必须是合法 Python 标识符（字母/下划线开头，只含字母数字下划线），不能是纯数字如 \g
• \g 依然表示整个匹配，和 \0 不同，它不会被误解析为字符编码

用函数做替换时，通过 Match 对象取 .group()

当替换逻辑不能靠静态字符串搞定（比如要转大小写、查表、条件判断），就得传一个函数给 re.sub()。函数接收一个 re.Match 对象，从中调用 .group(1)、.group("name") 等方法取值。

• 函数签名必须是 def replacer(match: re.Match) -> str:，返回替换后的字符串
• match.group(0) 是整个匹配，match.group(1) 是第一捕获组，match.group("city") 是命名组
• 如果某组未匹配（比如用了 ? 修饰且没出现），.group() 会抛 IndexError，要用 .groupdict().get("name", "") 更安全
• 示例：re.sub(r"(\

  

  d+)", lambda m: str(int(m.group(1)) * 2), "a1b3c5") → "a2b6c10"

常见坑：转义、空匹配、Unicode 和性能

看似简单，实际踩坑不少。几个高频问题：

• 替换字符串里写 "\1"（普通双引号字符串）可能出错——Python 会先尝试把 \1 当 ASCII 控制字符处理。务必用原始字符串 r"\1"
• 正则匹配空字符串（比如 r"a*"）会导致无限循环替换，re.sub() 内部会跳过空匹配，但逻辑仍需警惕
• 处理中文等 Unicode 文本时，确保正则本身带 re.U 标志（Python 3 默认开启，但显式写上更稳妥），否则 \w 可能不匹配汉字
• 大量替换时，函数式替换比字符串模板慢一截。如果只是简单拼接，优先用 r"\1...\2"；复杂逻辑才上函数

真正难的不是语法，而是写对正则本身——组怎么括、要不要非贪婪、边界怎么锚定。引用只是“最后一公里”，前面没匹配准，后面全白搭。