Python 3 re.sub 的奇怪行为

Question

以下代码：

import re
print(re.sub('[^a-zA-Z0-9]', '', ',Inc.', re.IGNORECASE).lower())
print(re.sub('[^a-zA-Z0-9]', '', ', Inc.', re.IGNORECASE).lower())

产生：

inc
inc.

为什么？

Answer 1

来自 doco，re.sub 签名是：

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

那么，让我们基于此检查您的调用：

re.sub('[^a-zA-Z0-9]', ''    , ', Inc.', re.IGNORECASE) # default
#       <  pattern  >  <repl>  <string>  <   count   >    <flags>

您正在传递标志 re.IGNORECASE（如果您 print(int(re.IGNORECASE))，它的值为 2，但我怀疑这在任何地方都没有强制要求) 作为要使用的 count。

所以它最多只进行两次替换，即第二个示例开头的逗号和 space 。也在你的第一个例子中这样做了，只是只有一个字符匹配而不是三个，所以你没有注意到。

相反，您应该使用：

>>> re.sub('[^a-zA-Z0-9]', '', ', Inc.', flags=re.IGNORECASE).lower()
'inc'

Strange behavior with Python 3 re.sub