介紹

$\quad\quad$正則表示式(Regular Expression)是一種文字模式，包括普通字元（例如，a 到 z 之間的字母）和特殊字元（稱為"元字元"）。

$\quad\quad$正則表示式使用單個字串來描述、匹配一系列匹配某個句法規則的字串（一個特殊的字元序列），來幫助我們方便的檢查一個字串是否與某種模式匹配。

常用的正則表示式

Python3中的re模組

$\quad\quad$ Python中的re 模組擁有全部的正則表示式功能。

Python中常用的正則表示式處理函式

1. re.match函式

$\quad\quad$ re.match 嘗試從字串的起始位置匹配一個模式，如果不是起始位置匹配成功的話，match()就返回none。 語法：

re.match(pattern, string, flags=0)

引數說明：

標誌位：

例項：

import re
print(re.match('dog', 'dog cat dog cat'))        # 在起始位置匹配
print(re.match('cat', 'dog cat dog cat'))        # 不在起始位置匹配

執行結果：

匹配成功re.match方法返回一個匹配的物件，否則返回None。

當匹配成功時返回一個 Match 物件，可以通過以下方法獲取相應的值：

• group([group1, …]) 方法用於獲得一個或多個分組匹配的字串，當要獲得整個匹配的子串時，可直接使用 group() 或 group(0)；
• start([group]) 方法用於獲取分組匹配的子串在整個字串中的起始位置（子串第一個字元的索引），引數預設值為 0；
• end([group]) 方法用於獲取分組匹配的子串在整個字串中的結束位置（子串最後一個字元的索引+1），引數預設值為 0；
• span([group]) 方法返回 (start(group), end(group))。

import re
 
line = "Cats are smarter than dogs"
 
matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)   # 使用(parttern)，獲取後可在Match物件中得到，通過group
 
if matchObj:
    print("匹配結果 : ", matchObj.group())
    print("第一個匹配項 : ", matchObj.group(1))
    print("第一個匹配項開始下標 : ", matchObj.start(1))
    print("第二個匹配項 : ", matchObj.group(2))
    print("第二個匹配項結束下標 : ", matchObj.end(2))
    print("第一個匹配項開始，結束下標範圍 : ", matchObj.span(1))
    
else:
    print("No match!!")

執行結果：

2. re.search方法

re.search 掃描整個字串並返回第一個成功的匹配。

語法：

re.search(pattern, string, flags=0)

引數說明同上

匹配成功re.search方法返回一個匹配的物件，否則返回None。

同樣可以使用group(num) 或 groups() 匹配物件函式來獲取匹配表示式。

例項：

import re
print(re.search('dog', 'dog cat dog cat'))  # 在起始位置匹配
print(re.search('cat', 'dog cat dog cat'))  # 不在起始位置匹配

執行結果：

import re
 
line = "Cats are smarter than dogs"
 
searchObj = re.search( r'(.*) are (.*?) .*', line, re.M|re.I)  # 使用(parttern)，獲取後可在Match物件中得到，通過group
 
if searchObj:
    print("匹配結果 : ", searchObj.group())
    print("第一個匹配項 : ", searchObj.group(1))
    print("第一個匹配項開始下標 : ", searchObj.start(1))
    print("第二個匹配項 : ", searchObj.group(2))
    print("第二個匹配項結束下標 : ", searchObj.end(2))
    print("第一個匹配項開始，結束下標範圍 : ", searchObj.span(1))
    
else:
    print("No match!!")

執行結果：

3. re.match與re.search的區別

$\quad\quad$re.match只匹配字串的開始，如果字串開始不符合正則表示式，則匹配失敗，函式返回None；而re.search匹配整個字串，直到找到一個匹配。

import re
 
line = "Cats are smarter than dogs";
 
matchObj = re.match( r'dogs', line, re.M|re.I)
if matchObj:
   print ("match --> matchObj.group() : ", matchObj.group())
else:
   print ("No match!!")
 
matchObj = re.search( r'dogs', line, re.M|re.I)
if matchObj:
   print ("search --> matchObj.group() : ", matchObj.group())
else:
   print ("No match!!")

執行結果：

4. 檢索和替換

$\quad\quad$Python 的re模組提供了re.sub用於替換字串中的匹配項。

語法：

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

引數說明：

• pattern : 正則中的模式字串。
• repl : 替換的字串，也可為一個函式。
• string : 要被查詢替換的原始字串。
• count : 模式匹配後替換的最大次數，預設 0 表示替換所有的匹配。

例項：

import re
 
phone = "2004-959-559 # 這是一個電話號碼"
 
# 刪除註釋
num = re.sub(r'#.*$', "", phone)
print ("電話號碼 : ", num)
 
# 移除非數字的內容
num = re.sub(r'\D', "", phone)
print ("電話號碼 : ", num)

執行結果：

repl 引數可以是一個函式

例項：

import re
 
# 將匹配的數字乘於 2
def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)
 
s = 'A23G4HFD567'
print(re.sub('(?P<value>\d+)', double, s))

執行結果：

5. compile 函式

$\quad\quad$compile 函式用於編譯正則表示式，生成一個正則表示式（ Pattern ）物件，供 match() 和 search() 這兩個函式使用。

語法：

re.compile(pattern[, flags])

引數說明：

• pattern : 一個字串形式的正則表示式
• flags 可選，表示匹配模式，比如忽略大小寫，多行模式等，具體引數為：

例項：

import re
pattern = re.compile(r'\d+')                    # 用於匹配至少一個數字
m = pattern.match('one12twothree34four')        # 查詢頭部，沒有匹配
print(m)

m = pattern.match('one12twothree34four', 2, 10) # 從'e'的位置開始匹配，沒有匹配
print(m)

m = pattern.match('one12twothree34four', 3, 10) # 從'1'的位置開始匹配，正好匹配
print(m)                                         # 返回一個 Match 物件

print(m.group(0))   # 可省略 0

print(m.start(0))   # 可省略 0

print(m.end(0))     # 可省略 0

print(m.span(0))    # 可省略 0

執行結果：

6. findall函式

$\quad\quad$在字串中找到正則表示式所匹配的所有子串，並返回一個列表，如果沒有找到匹配的，則返回空列表。

注意： match 和 search 是匹配一次 findall 匹配所有。

語法：

findall(string[, pos[, endpos]])

引數說明：

• string 待匹配的字串。
• pos 可選引數，指定字串的起始位置，預設為 0。
• endpos 可選引數，指定字串的結束位置，預設為字串的長度。

例項：

import re
 
pattern = re.compile(r'\d+')   # 查詢數字
result1 = pattern.findall('dasd 123 ddaer 456')
result2 = pattern.findall('dd88ab123goddle456', 0, 10)
 
print(result1)
print(result2)

執行結果：

7. re.finditer函式

$\quad\quad$和 findall 類似，在字串中找到正則表示式所匹配的所有子串，並把它們作為一個迭代器返回。

語法：

re.finditer(pattern, string, flags=0)

引數說明：同第一個

例項：

import re
 
it = re.finditer(r"\d+","12a32bc43jf3") 
for match in it: 
    print (match.group() )

執行結果：

8. re.split函式

$\quad\quad$split 方法按照能夠匹配的子串將字串分割後返回列表。

語法：

re.split(pattern, string[, maxsplit=0, flags=0])

引數說明：

• maxsplit：分隔次數，maxsplit=1 分隔一次，預設為 0，不限制次數。
• 其他同第一個

例項：

import re
print(re.split('\W+', 'dog, dog, dog.'))

print(re.split('(\W+)', ' dog, dog, dog.'))

print(re.split('\W+', ' dog, dog, dog.', 1))

 
print(re.split('a*', 'hello world'))   # 對於一個找不到匹配的字串而言，split 不會對其作出分割

執行結果：

正則表示式物件

re.RegexObject

re.compile() 返回 RegexObject 物件。

re.MatchObject

group() 返回被 RE 匹配的字串。

• start() 返回匹配開始的位置
• end() 返回匹配結束的位置
• span() 返回一個元組包含匹配 (開始,結束) 的位置