如何用re.sub()替换字符串中所有数字为"*"?

Question

如何使用 `re.sub()` 将字符串中的所有数字替换为星号 `"*"`？ 在文本处理中，常需对敏感信息或格式进行脱敏操作。例如，给定字符串 `"ID: 12345, Score: 678"`，希望将其中所有数字替换为 `"*"`，得到 `"ID: *****, Score: ***"`。虽然 `re.sub()` 支持正则表达式和替换功能，但初学者常困惑于如何正确编写匹配数字的模式。常见的疑问包括：应使用 `\d` 还是 `[0-9]`？是否需要考虑连续数字的整体匹配？替换时如何确保每个数字位都被单独替换为一个 `"*"`？掌握 `re.sub(r'\d', '*', text)` 的基本用法是关键，同时需理解原始写法为何可能遗漏多位数的逐位替换问题。

Answer 1

使用 re.sub() 将字符串中的所有数字替换为星号

在文本处理、日志脱敏、数据隐私保护等场景中，常常需要将敏感信息如身份证号、电话号码、分数等数字内容进行模糊化处理。Python 的 re 模块提供了强大的正则表达式功能，其中 re.sub() 是实现字符串替换的核心工具之一。

1. 基础用法：匹配单个数字并替换

最直接的方式是使用正则表达式 \d 来匹配任意一个数字字符（0-9），然后将其替换为星号 *。

import re

text = "ID: 12345, Score: 678"
result = re.sub(r'\d', '*', text)
print(result)  # 输出: ID: *****, Score: ***

上述代码中：

• r'\d' 是原始字符串表示的正则模式，匹配任意单个数字。
• '*' 是替换字符串，每个匹配到的数字都被替换为一个星号。
• 由于 \d 每次只匹配一个字符，因此连续的多位数会被逐位替换，正好满足“每位变一个星号”的需求。

2. \d 与 [0-9]：选择哪个更合适？

开发者常纠结于使用 \d 还是 [0-9]。虽然两者在 ASCII 范围内效果相同，但存在细微差别：

特性	\d	[0-9]
匹配范围	Unicode 数字字符（如阿拉伯数字、中文数字等）	仅限 ASCII 0-9
性能	略慢（因支持 Unicode）	更快
可读性	高	中
推荐场景	通用文本处理	严格控制输入格式时

对于大多数脱敏任务，建议使用 \d，因其语义清晰且兼容性好。

3. 高级技巧：使用回调函数动态替换

若需根据数字内容执行不同逻辑（如保留首位、按长度生成特定符号），可传入替换函数：

def replace_digit(match):
    return '*' * len(match.group())

result = re.sub(r'\d+', replace_digit, text)

此方式适用于复杂脱敏策略，例如部分隐藏手机号：138****1234。

4. 常见误区分析

初学者容易犯以下错误：

1. 使用 r'\d+' 并替换为单个 '*'，导致整个数字被替换成一个星号。
2. 忽略原始字符串中可能包含负号或小数点，造成不完整匹配。
3. 未使用原始字符串（raw string），导致反斜杠转义问题。

正确做法是确保每次只匹配一个数字位，或通过分组控制替换粒度。

5. 扩展应用：构建通用脱敏流水线

graph TD
    A[原始文本] --> B{是否含数字?}
    B -- 是 --> C[re.sub(r'\\d', '*', text)]
    B -- 否 --> D[返回原字符串]
    C --> E[输出脱敏结果]
    D --> E

该流程可用于日志系统、API 响应过滤器等生产环境，结合其他规则（如掩码邮箱、IP 地址）形成完整的数据脱敏中间件。

6. 性能考量与优化建议

在高并发或大数据量场景下，正则替换可能成为瓶颈。优化建议包括：

• 预编译正则表达式：pattern = re.compile(r'\d')
• 避免重复调用 re.sub()，批量处理文本流。
• 考虑使用 str.translate() 对纯 ASCII 数字进行极速替换。

# 使用 translate 实现超高速替换（仅限单字符映射）
translator = str.maketrans('0123456789', '**********')
fast_result = text.translate(translator)

此方法在某些场景下比正则快 5-10 倍。