Python - 正規表示式

大家好，未來的Python巫師們！今天，我們將進入Python的正規表示式（regex）的精彩世界。如果你從未聽過regex，也別擔心 - 當你完成這篇教學後，你將能像專家一樣熟練地使用這個強大的工具！

Python - Reg Expressions

正規表示式是什麼？

在我們深入探討之前，先來了解正規表示式是什麼。想像你是一位偵探，試圖在一片文字海洋中尋找特定的模式。正規表示式就像你的放大鏡，幫助你根據模式搜尋和操作字串。很酷，對吧？

原始字串

在Python中處理regex時，我們常常使用原始字串。原始字串以'r'為前缀，並將反斜杠視為文字字符。這在regex中特別有用，因為反斜杠很常見。

# 一般字串
print("Hello\nWorld")
# 原始字串
print(r"Hello\nWorld")

在第一個案例中，你會看到"Hello"和"World"分別在不同的行。在第二個案例中，你會看到"Hello\nWorld"原本的樣子。這在處理regex模式時至關重要。

元字元

元字元是regex的建構塊。它們具有特殊含義，並幫助我們定義模式。讓我們看看一些常見的元字元：

元字元	含義
.	匹配任何字符，除了換行符
^	匹配字串的開頭
$	匹配字串的結尾
*	匹配0次或多次重複
+	匹配1次或多次重複
?	匹配0次或1次重複
{}	匹配明確指定的重複次數
[]	指定要匹配的一組字符
\	轉義特殊字符

re.match() 函數

re.match() 函數嘗試在字串的開頭匹配模式。如果找到匹配，則返回一個匹配物件；否則，返回None。

import re

result = re.match(r"Hello", "Hello, World!")
if result:
print("找到匹配:", result.group())
else:
print("沒有找到匹配")

這將打印 "找到匹配: Hello"。group() 方法返回匹配的字串。

re.search() 函數

re.match() 只在字串開頭尋找匹配，而 re.search() 則會掃描整個字串尋找匹配。

import re

result = re.search(r"World", "Hello, World!")
if result:
print("找到匹配:", result.group())
else:
print("沒有找到匹配")

這將打印 "找到匹配: World"。

匹配與搜索

match() 和 search() 之間的主要差異在於，match() 只在字串開頭檢查匹配，而 search() 則在字串的任何位置檢查匹配。

re.findall() 函數

re.findall() 函數返回字串中所有不重疊匹配模式的列表。

import re

text = "The rain in Spain falls mainly in the plain"
result = re.findall(r"ain", text)
print(result)

這將打印 ['ain', 'ain', 'ain']。

re.sub() 函數

re.sub() 函數將字串中所有匹配模式的出現替換為替換字串。

import re

text = "The rain in Spain"
result = re.sub(r"a", "o", text)
print(result)

這將打印 "The roin in Spoin"。

re.compile() 函數

re.compile() 函數建立一個可重複使用的regex物件，如果你多次使用同一個模式，這可能會更有效。

import re

pattern = re.compile(r"\d+")
result1 = pattern.findall("There are 123 apples and 456 oranges")
result2 = pattern.findall("I have 789 bananas")

print(result1)
print(result2)

這將打印 ['123', '456'] 和 ['789']。

re.finditer() 函數

re.finditer() 函數返回一個迭代器，為字串中所有不重疊匹配模式產生匹配物件。

import re

text = "The rain in Spain"
for match in re.finditer(r"ain", text):
print(f"找到 '{match.group()}' 在位置 {match.start()}-{match.end()}")

這將打印：

找到 'ain' 在位置 5-8
找到 'ain' 在位置 17-20

Python Regex的應用案例

正規表示式有許多實際應用。讓我們看看一個常見的用例：

找出以元音開頭的單詞

import re

text = "An apple a day keeps the doctor away"
vowel_words = re.findall(r'\b[aeiouAEIOU]\w+', text)
print(vowel_words)

這將打印 ['An', 'apple', 'a', 'away']。

正規表示式修飾符：選項標誌

Python的re模塊提供了多個選項標誌，這些標誌會修改模式的解釋方式：

標誌	描述
re.IGNORECASE (re.I)	执行大小寫不敏感的匹配
re.MULTILINE (re.M)	使^匹配每行的開頭和$匹配每行的結尾
re.DOTALL (re.S)	使.匹配任何字符，包括換行符
re.VERBOSE (re.X)	讓你可以撰寫可讀性更高的regex模式

正規表示式模式

讓我們探索一些更進階的模式：

字符類別

字符類別允許你指定要匹配的一組字符：

import re

text = "The quick brown fox jumps over the lazy dog"
result = re.findall(r"[aeiou]", text)
print(result)

這將打印文本中所有的元音。

特殊字符類別

Python regex支持特殊字符類別：

類別	描述
\d	匹配任何十進制數字
\D	匹配任何非數字字符
\s	匹配任何空白字符
\S	匹配任何非空白字符
\w	匹配任何字母數字字符
\W	匹配任何非字母數字字符

重複情況

我们可以指定模式應出現的次數：

import re

text = "I have 111 apples and 22 oranges"
result = re.findall(r"\d{2,3}", text)
print(result)

這將打印 ['111', '22']，匹配2或3位數的數字。

非貪婪重複

默認情況下，重複是貪婪的，意味著它會匹配盡可能多的內容。在重複後添加一個?使其變為非貪婪：

import re

text = "<h1>Title</h1><p>Paragraph</p>"
greedy = re.findall(r"<.*>", text)
non_greedy = re.findall(r"<.*?>", text)
print("貪婪:", greedy)
print("非貪婪:", non_greedy)

這將顯示貪婪和非貪婪匹配之間的差異。

使用括號進行分組

括號允許你將regex的部分分組：

import re

text = "John Smith ([email protected])"
result = re.search(r"(\w+) (\w+) \((\w+@\w+\.\w+)\)", text)
if result:
print(f"全名: {result.group(1)} {result.group(2)}")
print(f"電子郵件: {result.group(3)}")

這從文本中提取名稱和電子郵件。

後向參考

後向參考允許你參考之前匹配的組：

import re

text = "<h1>Title</h1><p>Paragraph</p>"
result = re.findall(r"<(\w+)>.*?</\1>", text)
print(result)

這將匹配開啟和關閉的HTML標籤。

替代選項

|字符允許你指定替代選項：

import re

text = "The color of the sky is blue or gray"
result = re.search(r"blue|gray", text)
if result:
print(f"找到顏色: {result.group()}")

這將匹配"blue"或"gray"。

訂位符

訂位符指定文本中的位置：

import re

text = "Python is awesome"
start = re.match(r"^Python", text)
end = re.search(r"awesome$", text)
print(f"以Python開頭: {bool(start)}")
print(f"以awesome結尾: {bool(end)}")

這會檢查文本是否以"Python"開頭並以"awesome"結尾。

括號中的特殊語法

括號可以用於不只是分組：

(?:...) 創建非捕獲組
(?P...) 創建命名組
(?=...) 創建正向前瞻
(?!...) 創建負向前瞻

import re

text = "Python version 3.9.5"
result = re.search(r"Python (?:version )?(?P<version>\d+\.\d+\.\d+)", text)
if result:
print(f"版本: {result.group('version')}")

這會提取版本號，不論"text"中是否存在"version"。

就這樣，各位！我們已經穿越了Python regex的領域，從基礎到一些相當進階的概念。記住，像所有強大的工具一樣，regex需要練習才能掌握。所以，如果你一開始覺得有壓力，也不要氣餒。繼續實驗，你很快就會像專業偵探一樣找到模式！編程愉快！

Credits: Image by storyset