14、Python 正規表達式(re)

一、正規表達式簡介

• 正規表達式（regular expression）是一種用于比對字元串或者子串形式的強大邏輯表達式，在 Python 中的

  re 子產品

  提供了正規表達式的支援。
• 正規表達式由一些一般字元和一些元字元組成
  • 一般字元包括：

    大小寫的字母和數字

    ，隻能比對自身
  • 元字元包括：

    . \ [...]、預定義字元集、數量詞、邊界比對、邏輯分組等

    ，具有特殊的含義

二、正規表達式的使用

• 當我們在 Python 中使用正規表達式時，re 子產品内部會幹兩件事情：
  • 編譯正規表達式，如果正規表達式的字元串本身不合法，會報錯
  • 用編譯後的正規表達式去比對字元串
  • 如果一個正規表達式要重複使用幾千次，出于效率的考慮，我們可以預編譯該正規表達式，接下來重複使用時就不需要編譯這個步驟了，直接比對

• p = re.compile(pattern, flags=0) # 預編譯

  ：
  • 用于将字元串形式的正規表達式編譯為 pattern 對象，第二個參數 flag 是比對模式，一般用不到
  • 預編譯時，pattern 最好加上 r 字首，這樣就不用考慮轉義的問題了

• p.findall(string) or re.findall(pattern, string, flags=0) # 按照模式搜尋

  • 搜尋 string，以清單形式傳回全部能比對的子串
• 代碼實踐

import re

p = re.compile(r'\d+')
p.findall('one11 two2three333 four4five55')
> ['11', '2', '333', '4', '55']

# 對于 * 和 + 這種預設貪婪的比對可以加上 ? 使之變為非貪婪比對
p = re.compile(r'\d+?')
p.findall('one11 two2three333 four4five55')
> ['1', '1', '2', '3', '3', '3', '4', '5', '5']

# 比對子串，用()表示：要提取的分組
p = re.compile(r'(\w+)@([\w.]+)')
str = 'purple [email protected], blah monkey [email protected] blah dishwasher'
p.findall(str)
> [('alice', 'jisuanke.com'), ('bob', 'abc.com')]

# 比對字元串
p = re.compile(r'\w+@[\w.]+')
re.findall(str)
> ['[email protected]', '[email protected]']
           

三、參考資料

1、正規表達式官方文檔

2、Python 正規表達式指南

3、廖雪峰 re 子產品介紹