本文分享自華爲雲社區《Python 正則表達式大揭祕應用與技巧全解析》，作者：檸檬味擁抱。
Python 中的 re 模塊是用於處理正則表達式的強大工具。正則表達式是一種用來匹配字符串的模式，它可以在文本中搜索和匹配特定的字符串模式。在本文中，我們將探討 Python 中 re 模塊的應用和一些技巧，幫助您更好地理解和利用正則表達式。
1. 導入 re 模塊
在開始之前，首先要確保已經導入了 re 模塊：
import re
2. 使用 re 模塊進行匹配
以下是一個簡單的示例，演示如何使用 re 模塊在字符串中查找特定模式的匹配項：
text = "The quick brown fox jumps over the lazy dog" # 使用 re 模塊查找匹配項 matches = re.findall(r'\b\w{3}\b', text) print(matches) # 輸出匹配的單詞列表
在上面的示例中，我們使用了 \b\w{3}\b 這個正則表達式來匹配長度爲3的單詞。\b 表示單詞的邊界，\w{3} 表示匹配三個字母字符。re.findall() 函數返回所有匹配的結果。
3. 使用分組
分組是正則表達式中的一個強大功能，它允許您對匹配的部分進行分組處理。以下是一個示例，演示如何使用分組從文本中提取出郵件地址：
text = "Contact us at: [email protected], [email protected]" # 使用分組提取郵件地址 emails = re.findall(r'([a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,})', text) print(emails) # 輸出提取的郵件地址列表
在上面的示例中，([a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}) 是一個匹配郵件地址的正則表達式。其中，() 將整個郵件地址作爲一個分組，使得 re.findall() 函數只返回匹配的郵件地址部分。
4. 替換文本中的字符串
re 模塊還提供了替換功能，允許您使用正則表達式來替換文本中的特定字符串。以下是一個示例，演示如何將文本中的所有數字替換爲 “X”：
text = "There are 123 apples and 456 oranges" # 使用 re.sub() 函數替換文本中的數字爲 "X" new_text = re.sub(r'\d+', 'X', text) print(new_text) # 輸出替換後的文本
在上面的示例中，re.sub(r'\d+', 'X', text) 使用正則表達式 \d+ 匹配一個或多個數字，並將其替換爲 “X”。
5. 使用編譯的正則表達式
在處理大量文本時，編譯正則表達式可以提高匹配效率。以下是一個示例，演示如何使用編譯後的正則表達式進行匹配：
pattern = re.compile(r'\bpython\b', re.IGNORECASE) text = "Python is a popular programming language" # 使用編譯後的正則表達式進行匹配 match = pattern.search(text) if match: print("Found") else: print("Not found")
在上面的示例中，re.compile() 函數編譯了一個不區分大小寫的正則表達式，並且使用 search() 方法進行匹配。
通過掌握以上技巧，您可以更加靈活和高效地使用 Python 中的 re 模塊進行正則表達式的處理。正則表達式是一項強大的技能，在處理文本和字符串時非常有用。
6. 使用預定義字符類
正則表達式中有一些預定義的字符類，可以簡化匹配特定類型字符的操作。以下是一些常用的預定義字符類及其示例用法：
\d：匹配任意數字字符。\w：匹配任意字母、數字或下劃線字符。\s：匹配任意空白字符（空格、製表符、換行符等）。
text = "The code is 1234 and the password is abcd_123" # 使用預定義字符類匹配數字和字母密碼 codes = re.findall(r'\b\w+\b', text) print(codes) # 輸出匹配的代碼和密碼列表
7. 使用量詞
量詞用於指定匹配字符或組的數量。以下是一些常用的量詞及其示例用法：
*：匹配前一個字符零次或多次。+：匹配前一個字符一次或多次。?：匹配前一個字符零次或一次。{n}：匹配前一個字符恰好 n 次。{n,}：匹配前一個字符至少 n 次。{n,m}：匹配前一個字符至少 n 次，但不超過 m 次。
text = "The Python programming language is widely used for data analysis" # 使用量詞匹配至少包含兩個字母的單詞 words = re.findall(r'\b\w{2,}\b', text) print(words) # 輸出匹配的單詞列表
8. 使用錨點
錨點用於匹配字符串的邊界，而不是實際的字符。以下是一些常用的錨點及其示例用法：
^：匹配字符串的開頭。$：匹配字符串的結尾。\b：匹配單詞的邊界。
text = "Python is a great language for both beginners and experts" # 使用錨點匹配以 Python 開頭的句子 sentence = re.findall(r'^Python.*', text) print(sentence) # 輸出匹配的句子
9. 貪婪與非貪婪匹配
在正則表達式中，量詞默認是貪婪的，即它們會盡可能匹配最長的字符串。但有時候我們希望匹配最短的字符串，這時候就需要使用非貪婪匹配。在量詞後面加上 ? 符號可以將其變爲非貪婪匹配。
text = "Python is a powerful programming language" # 使用貪婪匹配查找 "p" 到 "g" 之間的內容 greedy_match = re.findall(r'p.*g', text) # 使用非貪婪匹配查找 "p" 到 "g" 之間的內容 non_greedy_match = re.findall(r'p.*?g', text) print("貪婪匹配:", greedy_match) # 輸出貪婪匹配結果 print("非貪婪匹配:", non_greedy_match) # 輸出非貪婪匹配結果
10. 使用後向引用
後向引用允許您在正則表達式中引用先前匹配的內容。這在需要匹配重複的模式時非常有用。
text = "apple apple orange orange" # 使用後向引用匹配重複的單詞 duplicates = re.findall(r'(\b\w+\b) \1', text) print("重複的單詞:", duplicates) # 輸出匹配到的重複單詞列表
11. 多行匹配
有時候我們需要匹配多行文本，而不僅僅是單行。這時可以使用 re.MULTILINE 標誌來啓用多行匹配模式。
text = """Python is a popular programming language. It is used for web development, data analysis, and more. Python has a simple syntax and is easy to learn.""" # 使用多行匹配模式匹配以大寫字母開頭的句子 sentences = re.findall(r'^[A-Z].*$', text, re.MULTILINE) print("以大寫字母開頭的句子:", sentences) # 輸出匹配到的句子列表
12. 使用命名分組
在複雜的正則表達式中，爲了增加可讀性和維護性，可以使用命名分組來標識匹配的部分。
text = "John has 5 apples, Mary has 3 oranges" # 使用命名分組提取人名和水果數量 matches = re.findall(r'(?P<name>\w+) has (?P<quantity>\d+) \w+', text) for match in matches: print("Name:", match['name'], "- Quantity:", match['quantity'])
以上是一些高級技巧，可以進一步擴展您對正則表達式的應用和理解。通過不斷練習和嘗試，您將能夠更靈活地應用正則表達式來解決各種文本處理問題。
13. 使用預搜索斷言
預搜索斷言允許您在匹配字符串時，指定字符串之前或之後的條件。它不會消耗匹配的字符，僅用於指定條件。
text = "apple banana orange grape" # 使用預搜索斷言匹配出包含 "apple" 之後的所有水果 result = re.findall(r'(?<=apple\s)(\w+)', text) print("包含 'apple' 之後的水果:", result) # 輸出匹配到的水果列表
14. 使用肯定與否定預搜索斷言
肯定預搜索斷言 (?=...) 匹配滿足條件的字符串，而否定預搜索斷言 (?!) 匹配不滿足條件的字符串。
text = "Python is a powerful programming language" # 使用肯定預搜索斷言匹配包含 "is" 的單詞 positive_result = re.findall(r'\b\w+(?= is\b)', text) # 使用否定預搜索斷言匹配不包含 "is" 的單詞 negative_result = re.findall(r'\b\w+(?! is\b)', text) print("肯定預搜索斷言:", positive_result) # 輸出匹配到的單詞列表 print("否定預搜索斷言:", negative_result) # 輸出匹配到的單詞列表
15. 使用 re.finditer() 函數
re.finditer() 函數與 re.findall() 函數類似，但它返回一個迭代器，可以逐個訪問匹配對象。
text = "Python is a powerful programming language" # 使用 re.finditer() 函數匹配所有單詞 matches_iter = re.finditer(r'\b\w+\b', text) for match in matches_iter: print(match.group()) # 輸出匹配到的單詞
16. 使用 re.split() 函數
除了匹配和查找文本模式，re 模塊還提供了 re.split() 函數，用於根據正則表達式模式拆分字符串。
text = "apple,banana,orange,grape" # 使用 re.split() 函數根據逗號拆分字符串 fruits = re.split(r',', text) print("拆分後的水果列表:", fruits) # 輸出拆分後的水果列表
17. 使用 re.sub() 函數的替換函數參數
re.sub() 函數的第二個參數可以是一個函數，用於處理匹配的結果後再替換。
def double(match): return str(int(match.group(0)) * 2) text = "The numbers are 1, 2, 3, and 4" # 使用替換函數參數將所有數字乘以2 new_text = re.sub(r'\d+', double, text) print("替換後的文本:", new_text) # 輸出替換後的文本
18. 使用 re.fullmatch() 函數
re.fullmatch() 函數用於檢查整個字符串是否完全匹配給定的模式。
pattern = re.compile(r'\d{4}-\d{2}-\d{2}') date1 = "2022-01-15" date2 = "15-01-2022" # 使用 re.fullmatch() 函數檢查日期格式 match1 = pattern.fullmatch(date1) match2 = pattern.fullmatch(date2) if match1: print("日期格式正確") else: print("日期格式錯誤") if match2: print("日期格式正確") else: print("日期格式錯誤")
19. 使用 re.IGNORECASE 標誌進行不區分大小寫匹配
在編譯正則表達式時，可以使用 re.IGNORECASE 標誌來進行不區分大小寫的匹配。
pattern = re.compile(r'python', re.IGNORECASE) text = "Python is a powerful programming language" # 使用不區分大小寫匹配模式查找 "Python" match = pattern.search(text) if match: print("Found") else: print("Not found")
20. 使用 re.DEBUG 標誌進行正則表達式調試
在編譯正則表達式時，可以使用 re.DEBUG 標誌來輸出正則表達式的調試信息，以便更好地理解它的工作原理。
pattern = re.compile(r'\b\w{3}\b', re.DEBUG) text = "The quick brown fox jumps over the lazy dog" # 輸出編譯後的正則表達式調試信息 pattern.findall(text)
通過繼續學習和實踐這些高級的正則表達式技巧，您將能夠更好地應用正則表達式來處理各種文本匹配和處理任務，提高代碼的效率和可維護性。正則表達式是 Python 中強大而靈活的工具之一，對於處理字符串模式非常有用。
總結
通過本文的介紹，我們探索了 Python 中 re 模塊的應用與技巧，使您能夠更靈活和高效地處理正則表達式。我們從基礎的模式匹配開始，介紹瞭如何使用 re 模塊進行匹配、分組、替換等操作。隨後，我們深入探討了一些高級技巧，包括貪婪與非貪婪匹配、後向引用、多行匹配、預搜索斷言等，這些技巧可以幫助您更好地處理複雜的文本處理任務。此外，我們還介紹了一些實用的函數和標誌，如 re.split()、re.sub() 的替換函數參數、re.fullmatch()、re.IGNORECASE、re.DEBUG 等，使您能夠更靈活地應用正則表達式解決實際問題。
掌握正則表達式是 Python 編程中非常重要的一部分，它能夠幫助我們更快地處理字符串模式匹配、文本提取等任務，提高代碼的效率和可維護性。通過不斷學習和實踐，您將能夠更深入地理解和應用正則表達式，解決各種文本處理問題，提升自己在 Python 編程中的技能水平。希望本文對您有所幫助，歡迎繼續探索和學習更多關於正則表達式的知識。