使用 Python re 模塊匹配字符串

一、基礎概念

在介紹如何使用 Python re 模塊匹配字符串之前，我們需要了解幾個相關的基礎概念。首先是正則表達式，它是一種用於描述文本模式的工具，可以幫助我們查找、替換、提取字符串中的特定內容。其次是元字符，這些字符是正則表達式中的關鍵字，用於表示各種特殊的文本模式。最後是模式匹配，這是正則表達式的核心功能，用於檢查某個字符串是否符合指定的文本模式。

二、re模塊中常用的正則表達式函數

re模塊中提供了一些用於處理正則表達式的函數，下面介紹其中常用的幾個函數：

1. re.match(pattern, string, flags=0)：嘗試從字符串的起始位置匹配一個模式，如果匹配成功返回一個匹配對象，否則返回None；

2. re.search(pattern, string, flags=0)：在字符串中搜索匹配指定模式的第一個位置，如果匹配成功返回一個匹配對象，否則返回None；

3. re.findall(pattern, string, flags=0)：搜索字符串中所有匹配指定模式的字符串，並以列表形式返回匹配結果；

4. re.sub(pattern, repl, string, count=0, flags=0)：在字符串中替換所有匹配指定模式的字符串，repl可以是字符串、函數或是可調用的實例對象；

5. re.split(pattern, string, maxsplit=0, flags=0)：使用指定的模式切割字符串，並以列表形式返回切割後的結果。

三、正則表達式語法

正則表達式中的語法非常豐富，下面列舉一些最常用的語法：

1. 常規字符：指除了特殊字符以外的所有字符，例如字母、數字、符號等等；

2. 轉義字符：用於表示特定的字符，例如\n表示換行符，\t表示製表符等等；

3. 字符集：用於表示一組字符中的任意一個字符，例如[a-z]表示小寫字母，[A-Z]表示大寫字母等等；

4. 量詞符號：用於表示匹配某個模式出現的次數，例如*表示0或多次，+表示1或多次，?表示0或1次，{m,n}表示出現m~n次等等；

5. 分組和反向引用：用於分組匹配，並在後續的模式中引用該分組的匹配結果，例如(a|b)表示匹配a或b，\1表示引用第一個分組，\2表示引用第二個分組等等；

6. 零寬斷言：用於實現複雜的模式匹配，例如正向前瞻(?=pattern)，表示後面跟着指定模式的字符，負向前瞻(?!pattern)，表示後面不跟着指定模式的字符等等；

四、實際應用

在實際應用中，正則表達式可以實現很多複雜的文本處理任務。下面通過幾個實例介紹如何使用 Python re 模塊匹配字符串。

實例1：匹配Email地址

import re

text = "我的Email地址是example@gmail.com，請發郵件給我。"

pattern = r"\w+@(\w+\.)?\w+\.\w+"

result = re.search(pattern, text)

if result:
    print(result.group())

上述代碼用於匹配字符串中的Email地址，其中正則表達式模式為\w+@(\w+\.)?\w+\.\w+，它表示匹配以字母、數字或下劃線為開頭的Email地址，例如example@gmail.com、example@163.com等等。

實例2：刪除HTML標籤

import re

text = "<p>這是一段<b>HTML</b>文本</p>"

pattern = r"<(.*?)>"

result = re.sub(pattern, "", text)

print(result)

上述代碼用於從HTML文本中刪除所有的標籤，其中正則表達式模式為<(.*?)>，它表示匹配尖括號中的任意字符。最終輸出結果為“這是一段HTML文本”。

實例3：提取網頁中的圖片鏈接

import re
import requests

url = "https://www.baidu.com"

r = requests.get(url)
text = r.text

pattern = r'src="(.*?\.jpg)"'

results = re.findall(pattern, text)

for result in results:
    print(result)

上述代碼用於從百度首頁中提取所有的圖片鏈接，並以列表形式輸出。其中正則表達式模式為src=”(.*?\.jpg)”，它表示匹配所有以.jpg為後綴的圖片鏈接。

五、總結

本文詳細介紹了使用 Python re 模塊匹配字符串的方法，包括基礎概念、常用函數、正則表達式語法以及實際應用。正則表達式是一項非常強大的工具，可以幫助我們快速、高效地處理各種文本數據，掌握這項技能對於Python工程師來說非常重要。