用Python的re模塊進行字符串匹配和替換

一、正則表達式基礎知識

在使用Python的re模塊進行字符串匹配和替換之前，我們需要先了解一些基本的正則表達式語法。正則表達式是一種用於描述字符串模式的表示方法，它可以用來匹配、查找、替換和分割字符串。

正則表達式中最基本的元字符包括：

• . 匹配除了換行符以外的任意字符。
• * 匹配前面的字符零次或多次。
• + 匹配前面的字符一次或多次。
• ? 匹配前面的字符零次或一次。
• | 匹配兩項中的任意一項。
• () 標記一個子表達式的開始和結束位置。
• [] 字符集，匹配其中任意一個字符。
• \ 轉義字符，用於匹配元字符本身。

例如：[a-z] 表示匹配任意小寫字母；\d 表示匹配任意數字。

除了這些基本元字符之外，還有一些特殊字符可以用於匹配單詞邊界、空白字符、行首和行尾等位置。

>>> import re
>>> pattern = r"hello, \w+"
>>> text = "hello, world!"
>>> match = re.search(pattern, text)
>>> if match:
...     print("Match found: ", match.group())
... else:
...     print("No match")
...
Match found:  hello, world

上面的代碼使用了re.search()函數來查找文本中是否包含指定的模式。該函數返回一個Match對象，如果文本中包含指定的模式，那麼該Match對象就會包含匹配的信息；否則，該函數會返回None。

二、字符串匹配和替換

Python的re模塊提供了很多函數來進行字符串匹配和替換。下面是一些常用的函數：

• re.match(pattern, string, flags=0)：從字符串的開頭開始匹配，如果匹配成功，則返回一個Match對象；否則返回None。需要注意的是，該函數只會匹配一次。
• re.search(pattern, string, flags=0)：從字符串任意位置開始匹配，如果匹配成功，則返回一個Match對象；否則返回None。如果文本中包含多個匹配項，該函數只會返回第一個匹配項。
• re.findall(pattern, string, flags=0)：返回所有能夠匹配的子串組成的列表。
• re.sub(pattern, repl, string, count=0, flags=0)：搜索文本中所有與pattern匹配的子串，並用repl來替換它們。
• re.split(pattern, string, maxsplit=0, flags=0)：使用pattern來分割字符串，並返回分割出的子串組成的列表。

以re.sub()函數為例，下面的代碼將替換文本中所有的空格為下劃線：

>>> import re
>>> text = "hello, world!"
>>> pattern = r"\s+"
>>> replacement = "_"
>>> result = re.sub(pattern, replacement, text)
>>> print(result)
hello,_world!

三、應用實例：提取文本中的電子郵件地址

下面的例子將演示如何使用re.findall()函數來提取一個字符串中的所有電子郵件地址。我們可以使用(\w+@\w+\.\w+)來匹配電子郵件地址。

>>> import re
>>> text = "John Doe's email is johndoe@example.com, and Jane's email is jane.doe@example.com."
>>> pattern = r"\w+@\w+\.\w+"
>>> result = re.findall(pattern, text)
>>> print(result)
['johndoe@example.com', 'jane.doe@example.com']

四、小結

Python的re模塊提供了豐富的正則表達式函數，可以用於字符串匹配、查找、替換和分割。熟練掌握正則表達式語法，可以大大提高字符串處理和數據清洗的效率。