为什么使用替换函数时，反向引用在 Python 的 re.sub 中不起作用？

Question

在 Python 2.7 中使用 re.sub，以下示例使用简单的反向引用：

re.sub('-{1,2}', r'\g<0> ', 'pro----gram-files')

它按预期输出以下字符串：

'pro-- -- gram- files'

我希望以下示例是相同的，但事实并非如此：

def dashrepl(matchobj):
    return r'\g<0> '
re.sub('-{1,2}', dashrepl, 'pro----gram-files')

这会产生以下意外输出：

'pro\\g<0> \\g<0> gram\\g<0> files'

为什么这两个示例给出不同的输出？我是否错过了解释这一点的文档中的某些内容？有什么特别的原因表明这种行为比我预期的更可取吗？有没有办法在替换函数中使用反向引用？

Answer 1

由于有更简单的方法可以实现您的目标，您可以使用它们。

正如您已经看到的，您的替换函数获取一个匹配对象作为它的参数。

这个对象有一个方法group()，可以用来代替：

def dashrepl(matchobj):
    return matchobj.group(0) + ' '

这将给出你的结果。

---

但你是完全正确的 - the docs 这样有点混乱：

他们描述了repl 参数：

repl可以是字符串或函数；如果是字符串，则处理其中的任何反斜杠转义。

和

如果repl 是一个函数，则每次出现不重叠的模式都会调用它。该函数接受一个匹配对象参数，并返回替换字符串。

您可以将此解释为函数返回的“替换字符串”也适用于反斜杠转义的处理。

但是由于这个处理只针对“它是一个字符串”的情况来描述，它变得更加清晰，但乍一看并不明显。

Answer 2

如果您将函数传递给re.sub，它允许您将匹配项替换为从函数返回的字符串。基本上，re.sub 使用不同的代码路径，具体取决于您传递的是函数还是字符串。是的，这实际上是可取的。考虑您想用bar 替换foo 的匹配项以及用qux 替换baz 的匹配项的情况。然后你可以写成：

repdict = {'foo':'bar','baz':'qux'}
re.sub('foo|baz',lambda match: repdict[match.group(0)],'foo')

您可以争辩说您可以在 2 次通过中完成此操作，但如果 repdict 看起来像 {'foo':'baz','baz':'qux'}，则您不能这样做

而且我认为你不能通过反向引用来做到这一点（至少不容易）。