作者：billy
版權宣告：著作權歸作者所有，商業轉載請聯繫作者獲得授權，非商業轉載請註明出處

什麼是正則表達式

正則表達式（Regular Expression），常簡寫爲 regex 或者 RE，又稱爲規則表達式。它不是某個程式語言所特有的，而是電腦科學的一個概念，通常被用來檢索個替換符合某些規則的文字。目前，正則表達式已經在各種計算機語言（如 Java、C++ 和 Python 等）中得到了廣泛的應用和發展。

正表達式語法

1. 行定位符：用來描述字串的邊界，‘^’ 表示行的開始，’$’ 表示行的結尾；

2. 元字元：

程式碼	說明
.	匹配除換行符以外的任意字元
\w	匹配字母或數位或下劃線或漢字
\s	匹配任意的空白符
\d	匹配數位
\b	匹配單詞的開始或結束
^	匹配字串的開始
$	匹配字串的結束

3. 重複：

限定符	說明	舉例
?	匹配前面的字元零次或一次	colou?r，該表達式可以匹配 colour 和 color
+	匹配前面的字元一次或多次	go+gle，該表達式可以匹配的範圍從 gogle 到 goo…gle
*	匹配前面的字元零次或多次	go*gle，該表達式可以匹配的範圍從 ggle 到 goo…gle
{n}	匹配前面的字元 n 次	go{2}gle，該表達式只匹配 google
{n,}	匹配前面的字元最少 n 次	go{2,}gle，該表達式可以匹配的範圍從 google 到 goo…gle
{n,m}	匹配前面的字元最少 n 次，最多 m 次	employe{0,2}，該表達式可以匹配 employ、employe 和 employee

4. 字元類：匹配數位和字元除了可以用 ‘\d’ 和 ‘\w’ 之外，像 [aeiou] 可以匹配任意一個英文元音字母，可以輕鬆制定一個字元範圍。如果想匹配字串中任意一個漢字，可以使用 [\u4e00-\u9fa5]，如果要匹配連續多個漢字，可以使用 [\u4e00-\u9fa5]+;

5. 排除字元：’^’ 字元如果放在方括號中，表示排除的意思。例如：[^a-zA-Z]該表達式用於匹配一個不是字母的字元；

6. 選擇字元：當包含着條件選擇的邏輯時，就需要使用選擇字元 ‘|’，該字元可以理解爲 ‘或’。例如：(^\d{15}$) | (^\d{18}$) | (^\d{17})(\d|X|x)$該字串的意思是可以匹配 15 位數位，或者 18 位數位，或者 17 位數位和最後一位（可以是數位、x 或者 X）；

7. 跳脫字元：正則表達式中的跳脫字元 ‘\’ 和 Python 字串中的跳脫字元大同小異，都是將特殊字元變爲普通字元；

8. 分組：在正則表達式中，小括號的作用有兩個，一個是改變限定符的作用範圍，還有就是分組。例如：(\.[0-9]{1,3}){3}就是對小組中內容的重複操作；

使用 re 模組實現正則表達式操作

Python 中提供了 re 模組，用於實現正則表達式的操作。使用前先匯入：import re

1. 匹配字串

• 使用 match() 方法進行匹配
  match() 方法用於從字串的開始處進行匹配，如果在起始位置匹配成功，則返回 Match 物件，否則返回 None，其語法格式如下：
  re.match(pattern, string, [flags])
  pattern：表示模式字串，由要匹配的正則表達式轉換而來；
  string：表示要匹配的字串；
  flags：可選參數，表示標誌位，用於控制匹配方向，如是否區分字母大小寫。常用的標誌如下表所示：

標誌	說明
A 或 ASCII	對於 \w、\W、\b、\B、\d、\D、\s 和 \S 只進行 ASCII 匹配（僅適用於 Python 3.x）
I 或 IGNORECASE	執行不區分字母大小寫的匹配
M 或 MULTILINE	將 ^ 和 $ 用於包括整個字串的開始和結尾的每一行（預設情況下，僅適用於整個字串的開始和結尾處）
S 或 DOTALL	使用 ‘.’ 字元匹配所有字元，包括換行符
X 或 VERBOSE	忽略模式字串中未跳脫的空格和註釋

範例1：

import re

pattern = r'mr_\w+'                        	 # 模式字串
string = '專案名稱：MR_SHOP mr_shop'          	 # 要匹配的字串
match = re.match(pattern, string, re.I)     	 # 匹配字串，不區分大小寫
print(match)

string = 'MR_SHOP mr_shop'
match = re.match(pattern, string, re.I)
print(match)
print('匹配值得起始位置：', match.start())
print('匹配值得結束位置：', match.end())
print('匹配位置的元組：', match.span())
print('要匹配的字串：', match.string)
print('匹配數據：', match.group())

上述例子的執行結果爲：

None
<re.Match object; span=(0, 7), match='MR_SHOP'>
匹配值得起始位置： 0
匹配值得結束位置： 7
匹配位置的元組： (0, 7)
要匹配的字串： MR_SHOP mr_shop
匹配數據： MR_SHOP

範例2：

import re

pattern = r'(13[4-9]\d{8})$|(15[01289]\d{8})$'
mobile = '13222222222'
match = re.match(pattern, mobile)
if match == None:
    print(mobile, "不是有效的中國移動手機號碼。")
else:
    print(mobile, "是有效的中國移動手機號碼。")

mobile = '15800000000'
if match == None:
    print(mobile, "不是有效的中國移動手機號碼。")
else:
    print(mobile, "是有效的中國移動手機號碼。")

上述例子的執行結果爲：

13222222222 不是有效的中國移動手機號碼。
15800000000 不是有效的中國移動手機號碼。

• 使用 search() 方法進行匹配
  search() 方法與 match() 方法的區別在於，match 是隻在起始位置匹配，而 search 是在整個字串中搜尋，其語法格式和 match 一致，如下：
  re.search(pattern, string, [flags])

範例1：

import re

pattern = r'mr_\w+'                          	# 模式字串
string = '專案名稱：MR_SHOP mr_shop'		# 要匹配的字串
match = re.search(pattern, string, re.I)	# 匹配字串，不區分大小寫
print(match)

string = 'MR_SHOP mr_shop'
match = re.search(pattern, string, re.I)
print(match)

上述例子的執行結果爲：

<re.Match object; span=(5, 12), match='MR_SHOP'>
<re.Match object; span=(0, 7), match='MR_SHOP'>

範例2：

import re

pattern = r'(駭客)|(抓包)|(監聽)|(Trojan)'
about = '我是一名程式設計師，我喜歡看駭客方面的圖書，想研究一下 Trojan'
match = re.search(pattern, about)
if match == None:
    print(about, '@ 安全！')
else:
    print(about, '@ 出現了危險詞彙！')

about = '我是一名程式設計師，我喜歡看計算機網路方面的圖書，喜歡開發網站'
match = re.search(pattern, about)
if match == None:
    print(about, '@ 安全！')
else:
    print(about, '@ 出現了危險詞彙！')

上述例子的執行結果爲：

我是一名程式設計師，我喜歡看駭客方面的圖書，想研究一下 Trojan @ 出現了危險詞彙！
我是一名程式設計師，我喜歡看計算機網路方面的圖書，喜歡開發網站 @ 安全！

• 使用 findall() 方法進行匹配
  findall() 方法用於在整個字串中搜尋所有符合正則表達式的字串，並以列表的形式返回。如果匹配失敗，則返回空列表，其語法格式和 match、search 一致，如下：
  re.findall(pattern, string, [flags])

範例1：

import re

pattern = r'mr_\w+'                         # 模式字串
string = '專案名稱：MR_SHOP mr_shop'         # 要匹配的字串
match = re.findall(pattern, string, re.I)   # 匹配字串，不區分大小寫
print(match)

string = 'MR_SHOP mr_shop'
match = re.findall(pattern, string)         # 匹配字串，區分大小寫
print(match)

上述例子的執行結果爲：

['MR_SHOP', 'mr_shop']
['mr_shop']

範例2：

import re

pattern1 = r'[1-9]{1,3}(\.[0-9]{1,3}){3}'
str = '127.0.0.1 192.168.1.66'
match = re.findall(pattern1, str)
print(match)	

pattern1 = r'([1-9]{1,3}(\.[0-9]{1,3}){3})'
match = re.findall(pattern1, str)
print(match)

for item in match:
    print(item[0])

上述例子的執行結果爲：

['.1', '.66']
[('127.0.0.1', '.1'), ('192.168.1.66', '.66')]
127.0.0.1
192.168.1.66

注意：如果模式字串中出現分組，那麼得到的結果是根據分組進行匹配的結果。如果想獲取整個模式字串的匹配，可以將整個模式字串使用一對小括號進行分組。然後在獲取結果時，只取返回值列表的每個元素的第一個元素。

2. 替換字串
   sub() 方法用於時顯示字串替換。其語法格式如下：
   re.sub(pattern, repl, string, count, flags)
   pattern：表示模式字串，由要匹配的正則表達式轉換而來；
   repl：表示替換的字串；
   string：表示要被查詢替換的原始字串；
   count：可選參數，表示模式匹配後替換的最大次數；
   flags：可選參數，表示標誌位，用於控制匹配方式，如是否區分字母大小寫；

範例：

import re

pattern = r'1[34578]\d{9}'
string = '中獎號碼爲：84978981 聯繫電話爲：13611111111'
result = re.sub(pattern, '1XXXXXXXXXX', string)     	# 隱藏字串中的手機號
print(result)

pattern = r'(駭客)|(抓包)|(監聽)|(Trojan)'
about = '我是一名程式設計師，我喜歡看駭客方面的圖書，想研究一下 Trojan'
sub = re.sub(pattern, '@__@', about)			# 替換出現的危險字元
print(sub)

上述例子的執行結果爲：

中獎號碼爲：84978981 聯繫電話爲：1XXXXXXXXXX
我是一名程式設計師，我喜歡看@__@方面的圖書，想研究一下 @__@

3. 使用正則表達式分割字串
   split() 方法用於實現根據正則表達式分割字串，並以列表的形式返回。其作用與字串物件的 split() 方法類似，所不同的就是分割字元由模式字串指定，其語法格式如下：
   re.split(pattern, string, [maxsplit], [flags])

範例：

import re

str = '@馬雲 @馬化騰 @劉強東'
pattern = r'\s*@'
list = re.split(pattern, str)
print('我的好友有：')
for item in list:
    if item != "":
        print(item)

上述例子的執行結果爲：

我的好友有：
馬雲
馬化騰
劉強東