【python技巧】文字處理-re庫字元匹配

CrazyPixel發表於2023-09-19

Python字元

1. 正規表示式

我們讀取檔案內容，肯定不是單純為了輸出或者重新寫入，對於文字我們一定有一些查詢、定位的需求。
在Python中，還有一個專門用於文字處理的庫，那就是re庫。
下面我會介紹re庫涉及的正規表示式的基本知識。
參考課程

1. 正規表示式

正規表示式是用來進行字串匹配的一個字元形式。

1.1 測試工具

常見的正規表示式測試工具有：

regex101
程式碼編輯器搜尋欄的正規表示式匹配

1.2 限定符

?
abc?表示字元c需要出現0次或者1次，或者換句話說，字元c至多出現一次。也就是說，abc?相當於abc和ab這兩個字串。
*
ab*c表示字元b需要出現0次或者多次，或者換句話說，字元b可以出現任意多次。也就是說，ab*c相當於ac、abc、abbc、ab……bc等多個字串。
+
ab+c表示字元b需要出現1次或者多次，或者換句話說，字元b至少出現一次。也就是說，ab+c相當於abc、abbc、ab……bc等多個字串。
注意ab*c和ab+c的細微區別。
{}

{num}
ab{3}c表示字元b需要出現3次，或者換句話說，字元b只能出現2次。也就是說，ab{2}c相當於abbc這一個字串。
{num1,num2}
ab{2,5}c表示字元b需要出現2或3或4或5次，也就是說，ab{2,5}c相當於abbc、abbbc、abbbbc、abbbbbc這四個字串。
{num,}
ab{2,}c表示字元b需要出現2次及以上，也就說，ab{2,}c相當於abbc、abbbc、abbbbc、ab……bc等無數個字串。

1.3 字符集

在正常情況下，上述的限定符只會對其前面的一個字元起作用。如果想要某個字串作為一個組合，可以使用字符集。
(ab)+c表示字串ab需要出現1次或者多次，或者換句話說，字串ab至少出現一次。也就是說，(ab)+c相當於abc、ababc、abababc、ab……abc等多個字串。

1.4 運算子

|
a(b|d)c表示字串b出現1次或者字串d出現1次，也就是說，a(b|d)c相當於abc、adc這兩個字串。

a(boy|girl)c也同樣適用，相當於aboyc或者agirlc這兩個字元。
[]
[]表示匹配字元能選擇的範圍，成為字元類，例如,[abc]+只會匹配a\b\c這三個字母出現一次或多次的字串，而一般更經常使用的是[a-zA-Z0-9]*表示由大小寫字母和數字組成的字串，[a-zA-Z0-9_]*表示由大小寫字母、數字和下劃線組成的字串。
^
^表示取反字元類，也就是說，[^a-zA-Z0-9]*表示除了大小寫字母、數字符號以外的其他字元出現一次或多次的字串。
\
\.表示轉置，把一些有特殊意義的字元轉變為實際字元
\b
\b表示字元邊界