python regex - 使用re.IGNORECASE时，虚线匹配为数字

Question

我使用正则表达式从13位ISBN中剥离非数字字符，我遇到了一些我想要理解的奇怪行为。我用Python 2.7.5和3.3.2测试了这个：

import re
re.sub("\D", '', '978-1-936978-09-0')

这正确地给出了9781936978090。但我注意到，如果我这样做......

re.sub("\D", '', '978-1-936978-09-0', re.IGNORECASE)

...使用re.IGNORECASE，留下最后两个破折号，给出：9781936978-09-0。

不是它应该重要，但我仔细检查了所有四个破折号是完全相同的字符（只是一个普通的破折号）。我尝试了一些变体（比如[^ \ d]而不是\ D或[^ 0-9]）并得到了同样奇怪的结果。

这对我来说并不紧急，因为忽略案例对此并不重要，但我想知道发生了什么。有什么想法吗？

Answer 1

re.sub的第四个参数不是flags，而是替换计数。您应该使用flags关键字参数指定flags。

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

---

>>> re.sub("\D", '', '978-1-936978-09-0', flags=re.IGNORECASE)
'9781936978090'

Answer 2

由于python re“bug”，re.IGNORECASE中的re.sub未被用作标记 - ＆gt;这是计数 相反，它用于count参数。

要避免使用此名称参数，它将起作用。
示例：

re.sub("\D", '', '978-1-936978-09-0', re.IGNORECASE)
9781936978-09-0

re.sub("\D", '', '978-1-936978-09-0', flags=re.IGNORECASE)
9781936978090

在python 3.2.0和3.3.0中测试

Answer 3

您使用了错误的参数re.sub(pattern, repl, string, count=0, flags=0)。第四是count。如果在使用re.search之前使用{{1}}测试正则表达式，那么很容易陷入这个陷阱。