re模块sub函数大数据采集技术与应用05课件讲解.pptxVIP

re模块sub函数大数据采集技术与应用

1.掌握re模块sub函数功能和使用方法

re模块sub函数Sub函数sub函数将输入的字符串整个扫描，查找并替换字符串中所有符合正则表达式模式的部分。，sub函数的语法格式如下。sub方法常用的参数及其说明如下。re.sub(pattern,repl,string,count=0,flags=0)参数说明pattern接收Pattern实例。表示转换后的正则表达式。无默认值string接收string。表示输入的需要匹配的字符串。无默认值repl用于替换匹配内容的字符串或函数。如果是一个字符串，它将直接替换所有匹配项；如果是一个函数，该函数将对每个匹配项的MatchObject进行操作，并返回替换后的内容。

re模块sub函数dirty_price=价格:￥1,299.50USD#规则解释:匹配￥,$符号或逗号，并替换为空字符串pattern_1=r[￥$,]#使用re.sub清洗价格clean_price=re.sub(pattern_1,,dirty_price)print(f原始价格:{dirty_price})print(f清洗后的价格:{clean_price})案例1：清理价格字符串，移除货币符号和千位分隔符输出：原始价格:价格:￥1,299.50USD清洗后的价格:价格:1299.50USD

re模块sub函数text_snippet_2=Thisisthefinaltext.br/\nspan/span#规则解释:匹配开头，结尾的标签，以及连续的空白字符pattern_2=r[^]+|\s+#使用re.sub移除标签和多余的空白cleaned_text_2=re.sub(pattern_2,,text_snippet_2).strip()print(f原始片段:{text_snippet_2})print(f清洗后的文本:{cleaned_text_2})案例2：移除段落末尾残留的HTML标签和多余空格输出：原始片段:Thisisthefinaltext.br/span/span清洗后的文本:Thisisthefinaltext.

re模块sub函数defdate_converter(match):??#match.group(1),match.group(2),match.group(3)对应(YYYY),(MM),(DD)??year=match.group(1)??month=match.group(2)??day=match.group(3)??returnf{day}/{month}/{year}“log_entry=Logreceivedon2025-10-25andprocessedby2025-10-26.#规则解释:捕获年(4位数字),月(2位数字),日(2位数字)pattern_3=r(\d{4})-(\d{2})-(\d{2})formatted_log=re.sub(pattern_3,date_converter,log_entry)print(f原始日志:{log_entry})print(f格式化日志:{formatted_log})案例3：将文本中的所有日期格式YYYY-MM-DD转换为DD/MM/YYYY输出：原始日志:Logreceivedon2025-10-25andprocessedby2025-10-26.格式化日志:Logreceivedon25/10/2025andprocessedby26/10/2025.

re模块sub函数server_log=User192.168.1.1accesseddatafrom10.0.0.5at10:00AM.#规则解释:匹配标准的IPv4地址格式(四组1-3位数字，由点分隔)pattern_4=r\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}sanitized_log=re.sub(pattern_4,XXX.XXX.XXX.XXX,server_log)print(f原始日志:{server_log})print(f脱敏日志:{sanitized_log})案例4：对日志或文本中的IP地址进行脱敏处理(用XXX.XXX替换)输出：原始日志:User192.168.1.1accessedd