Regular Expression - 正規表示式在Python的用法

正規表示式（Regular Expression可簡稱為 regex）是文字模式的表示方法，其功能十分強大，可用於處理字串的強大工具。如果學會用正規表示式處理問題的話，就意味著可以用較少的程式碼完成一件事情。一個別人可能要處理很久才得以搞定的問題，正規表示式的你可能只需要幾行程式碼就解決了。

然而正規表示式本身並不是Python所獨有的。在Python中如果要使用正規表示式的話需要匯入re模組，因為所有函示都寫在re模組內。一但匯入re模組後，就可以利用re 指定搜尋的字串樣式，然後從檔案中找出符合該樣式的字串，並加以處理。

使用的時候，需要先定義一個想要比對的「字串模式」，以及要被比對的「對象字串」。簡單說，就像是這樣：


result = re.match(“He’,’ “Hello World” )

在這裡，「He」是字串模式，「Hello World」是對象字串。

match()

前面說過，match() 可以取出比對項目，來對字串進行比對。


import re

message = '請來電洽詢(02)2555-1011，或致電 2555-9999'

mo = re.match('請來' ,message)

if mo:

print(mo.group())

但是，如果要比對字串中間的字，match() 就無法找到了。例如我們如果用同樣的程式尋找「洽詢」：


import re

message = '請來電洽詢(02)2555-1011，或致電 2555-9999'

mo = re.match('洽詢' ,message)

if mo:

print(mo.group())

這樣子就找不到任何字串了。match() 不會傳回任何東西。

我們要如何修改上面這個程式？

在「洽詢」的前面加上「.*」符號的話，就可以匹配到洽詢這個字串，因為「.*」符號表示比對尋找任何數量的字元。


import re
message = '請來電洽詢(02)2555-1011，或致電 2555-9999'
mo = re.match('.*洽詢' ,message)
if mo:
print(mo.group())

也可以先使用compile()編譯你的比對模式「pattern object」，並且將其保存下來，以備後續之用。

這樣可以提昇匹配的速度。根據文件的說明，下面的兩的兩個程式碼是一樣的。（https://docs.python.org/2/library/re.html）


prog = re.compile(pattern)
result = prog.match(string)

#等同於


result = re.match(pattern, string)

search()方法可尋找傳入的字串，搜尋比對符合該正規表示式的第一個項目。如果找到了匹配的項目則會返回一個match物件，反之如果沒有發現匹配的項目，則會返回None。
若使用search()方法，就不需要使用「.*」符號。前面的程式可以改成：


import re
message = '請來電洽詢(02)2555-1011，或致電 2555-9999'
mo = re.search('洽詢' ,message)
if mo:
print(mo.group())

「.*」符號屬於貪婪比對而「.*?」符號為非貪婪比對。


import re
message = '請來電洽詢(02)2555-1011，或致電 2555-9999'
phoneNumber = re.compile(r'(\(\d\d)\)\d\d\d\d-\d\d\d\d')
mo = phoneNumber.search(message)

可以利用match物件中的group()方法，返回被搜尋字串中實際符合的文字。

如果你想要找一個字母，在某個字串中出現幾次的話，findall()可以幫你完成這個任務。下面的例子可以幫你找出字串中有兩個「電」字。


import re
message = '請來電洽詢(02)2555-1011，或致電 2555-9999'
mo = re.findall('電', message)
print(mo)

spilt() 可以將一個字串分割成一串串列(List)。下面的例子可以依照逗點( , )的位置將source的內容分割成一串串列 [‘May', 'John', 'Lin', 'Frank', 'Stien']


import re
source = "May, John, Lin, Frank, Stien"
m = re.split(',', source)
print(m)

sub() 可以取代字串。在下面的例子中『 ? 』將會取代句子中的『 n 』

import re
source = "This is my name"m = re.sub('n', '?',source)

print(m)

注意：
match()只會在模式位於來源的『開頭』時才會生效。
使用search()的話，不管模式在任何地方都會生效。不需要使用（ .* ）萬用字元。

下面是正規表示式中常用的特殊符號和字元：

字元分類速記	表示
\d	0~9的任何一個數字，等效於 [0-9]
\D	除了0~9數字以外的任何一個非數字字元，等效於 [^0-9]
\w	任何字母、數字或底線的英數字元，等效於 [A-Za-z0-9_]
\W	除了字母、數字和底線以外的任何非英數字元，等效於 [^A-Za-z0-9_]
\s	空格、定位符號或換行符號，等效於 [ \f\n\r\t\v]
\S	除了空格、定位符號或換行符號以外的任何字元，等效於 [^ \f\n\r\t\v]
[xyz]	比對中括弧內的任一個字元
[^xyz]	比對不在中括弧內出現的任一個字元
?	比對非必須項目，零次或一次
*	比對符號前面任何數字，零次或更多次
+	比對前一個字元一次或更多次，等效於 {1,}
{n}	比對前一個字元 n 次
{n,m}	比對前一個字元至少 n 次，至多 m 次
[xyz]	比對中括弧內的任一個字元
[^xyz]	比對不在中括弧內出現的任一個字元
^	比對輸入列的啟始位置
$	比對輸入列的結束位置
.	比對除了換行字元（\n）以外的任何一個字元，但只比對單一字元
.*	比對尋找任何數量的字元