20個Python 正規表示式應用與技巧

华为云开发者联盟發表於2024-04-12
Python

本文分享自華為雲社群《Python 正規表示式大揭秘應用與技巧全解析》，作者：檸檬味擁抱。

Python 中的 re 模組是用於處理正規表示式的強大工具。正規表示式是一種用來匹配字串的模式，它可以在文字中搜尋和匹配特定的字串模式。在本文中，我們將探討 Python 中 re 模組的應用和一些技巧，幫助您更好地理解和利用正規表示式。

1. 匯入 re 模組

在開始之前，首先要確保已經匯入了 re 模組：

import re

2. 使用 re 模組進行匹配

以下是一個簡單的示例，演示如何使用 re 模組在字串中查詢特定模式的匹配項：

text = "The quick brown fox jumps over the lazy dog"

# 使用 re 模組查詢匹配項
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 這個正規表示式來匹配長度為3的單詞。\b 表示單詞的邊界，\w{3} 表示匹配三個字母字元。re.findall() 函式返回所有匹配的結果。

3. 使用分組

分組是正規表示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字中提取出郵件地址：

text = "Contact us at: support@example.com, sales@example.com"

# 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規表示式。其中，() 將整個郵件地址作為一個分組，使得 re.findall() 函式只返回匹配的郵件地址部分。

4. 替換文字中的字串

re 模組還提供了替換功能，允許您使用正規表示式來替換文字中的特定字串。以下是一個示例，演示如何將文字中的所有數字替換為 “X”：

text = "There are 123 apples and 456 oranges"

# 使用 re.sub() 函式替換文字中的數字為 "X"
new_text = re.sub(r'\d+', 'X', text)

print(new_text)  # 輸出替換後的文字

在上面的示例中，re.sub(r'\d+', 'X', text) 使用正規表示式 \d+ 匹配一個或多個數字，並將其替換為 “X”。

5. 使用編譯的正規表示式

在處理大量文字時，編譯正規表示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規表示式進行匹配：

pattern = re.compile(r'\bpython\b', re.IGNORECASE)

text = "Python is a popular programming language"

# 使用編譯後的正規表示式進行匹配
match = pattern.search(text)

if match:
    print("Found")
else:
    print("Not found")

在上面的示例中，re.compile() 函式編譯了一個不區分大小寫的正規表示式，並且使用 search() 方法進行匹配。

透過掌握以上技巧，您可以更加靈活和高效地使用 Python 中的 re 模組進行正規表示式的處理。正規表示式是一項強大的技能，在處理文字和字串時非常有用。

6. 使用預定義字元類

正規表示式中有一些預定義的字元類，可以簡化匹配特定型別字元的操作。以下是一些常用的預定義字元類及其示例用法：

  • \d：匹配任意數字字元。
  • \w：匹配任意字母、數字或下劃線字元。
  • \s：匹配任意空白字元（空格、製表符、換行符等）。
text = "The code is 1234 and the password is abcd_123"

# 使用預定義字元類匹配數字和字母密碼
codes = re.findall(r'\b\w+\b', text)

print(codes)  # 輸出匹配的程式碼和密碼列表

7. 使用量詞

量詞用於指定匹配字元或組的數量。以下是一些常用的量詞及其示例用法：

  • *：匹配前一個字元零次或多次。
  • +：匹配前一個字元一次或多次。
  • ?：匹配前一個字元零次或一次。
  • {n}：匹配前一個字元恰好 n 次。
  • {n,}：匹配前一個字元至少 n 次。
  • {n,m}：匹配前一個字元至少 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

錨點用於匹配字串的邊界，而不是實際的字元。以下是一些常用的錨點及其示例用法：

  • ^：匹配字串的開頭。
  • $：匹配字串的結尾。
  • \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

在正規表示式中，量詞預設是貪婪的，即它們會盡可能匹配最長的字串。但有時候我們希望匹配最短的字串，這時候就需要使用非貪婪匹配。在量詞後面加上 ? 符號可以將其變為非貪婪匹配。

text = "Python is a powerful programming language"

# 使用貪婪匹配查詢 "p" 到 "g" 之間的內容
greedy_match = re.findall(r'p.*g', text)

# 使用非貪婪匹配查詢 "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規表示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字，而不僅僅是單行。這時可以使用 re.MULTILINE 標誌來啟用多行匹配模式。

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

在複雜的正規表示式中，為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'])

以上是一些高階技巧，可以進一步擴充套件您對正規表示式的應用和理解。透過不斷練習和嘗試，您將能夠更靈活地應用正規表示式來解決各種文字處理問題。

13. 使用預搜尋斷言

預搜尋斷言允許您在匹配字串時，指定字串之前或之後的條件。它不會消耗匹配的字元，僅用於指定條件。

text = "apple banana orange grape"

# 使用預搜尋斷言匹配出包含 "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尋斷言

肯定預搜尋斷言 (?=...) 匹配滿足條件的字串，而否定預搜尋斷言 (?!) 匹配不滿足條件的字串。

text = "Python is a powerful programming language"

# 使用肯定預搜尋斷言匹配包含 "is" 的單詞
positive_result = re.findall(r'\b\w+(?= is\b)', text)

# 使用否定預搜尋斷言匹配不包含 "is" 的單詞
negative_result = re.findall(r'\b\w+(?! is\b)', text)

print("肯定預搜尋斷言:", positive_result)  # 輸出匹配到的單詞列表
print("否定預搜尋斷言:", negative_result)  # 輸出匹配到的單詞列表

15. 使用 re.finditer() 函式

re.finditer() 函式與 re.findall() 函式類似，但它返回一個迭代器，可以逐個訪問匹配物件。

text = "Python is a powerful programming language"

# 使用 re.finditer() 函式匹配所有單詞
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() 函式

除了匹配和查詢文字模式，re 模組還提供了 re.split() 函式，用於根據正規表示式模式拆分字串。

text = "apple,banana,orange,grape"

# 使用 re.split() 函式根據逗號拆分字串
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() 函式的替換函式引數

re.sub() 函式的第二個引數可以是一個函式，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"

# 使用替換函式引數將所有數字乘以2
new_text = re.sub(r'\d+', double, text)

print("替換後的文字:", new_text)  # 輸出替換後的文字

18. 使用 re.fullmatch() 函式

re.fullmatch() 函式用於檢查整個字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() 函式檢查日期格式
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

在編譯正規表示式時，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詢 "Python"
match = pattern.search(text)

if match:
    print("Found")
else:
    print("Not found")

20. 使用 re.DEBUG 標誌進行正規表示式除錯

在編譯正規表示式時，可以使用 re.DEBUG 標誌來輸出正規表示式的除錯資訊，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"

# 輸出編譯後的正規表示式除錯資訊
pattern.findall(text)

透過繼續學習和實踐這些高階的正規表示式技巧，您將能夠更好地應用正規表示式來處理各種文字匹配和處理任務，提高程式碼的效率和可維護性。正規表示式是 Python 中強大而靈活的工具之一，對於處理字串模式非常有用。

總結

透過本文的介紹，我們探索了 Python 中 re 模組的應用與技巧，使您能夠更靈活和高效地處理正規表示式。我們從基礎的模式匹配開始，介紹瞭如何使用 re 模組進行匹配、分組、替換等操作。隨後，我們深入探討了一些高階技巧，包括貪婪與非貪婪匹配、後向引用、多行匹配、預搜尋斷言等，這些技巧可以幫助您更好地處理複雜的文字處理任務。此外，我們還介紹了一些實用的函式和標誌，如 re.split()、re.sub() 的替換函式引數、re.fullmatch()、re.IGNORECASE、re.DEBUG 等，使您能夠更靈活地應用正規表示式解決實際問題。

掌握正規表示式是 Python 程式設計中非常重要的一部分，它能夠幫助我們更快地處理字串模式匹配、文字提取等任務，提高程式碼的效率和可維護性。透過不斷學習和實踐，您將能夠更深入地理解和應用正規表示式，解決各種文字處理問題，提升自己在 Python 程式設計中的技能水平。希望本文對您有所幫助，歡迎繼續探索和學習更多關於正規表示式的知識。

點選關注，第一時間瞭解華為雲新鮮技術~

相關文章