使用正則表達式進行文本匹配和替換

正則表達式是一種匹配文本的強大工具，可以用來在文本中查找、替換、分割等操作。在Python中，可以用re模塊來操作正則表達式，實現文本的匹配和替換。本文將詳細介紹使用正則表達式進行文本匹配和替換的相關內容。

一、正則表達式的基本語法

在正則表達式中，可以使用特殊字元來匹配文本。以下是一些常用的特殊字元：

\d: 匹配任意一個數字字元
\w: 匹配任意一個字母、數字或下劃線字元
\s: 匹配任意一個空格或製表符
.: 匹配除換行符外的任意一個字元
^: 匹配以指定字元或模式開頭的字元串
$: 匹配以指定字元或模式結尾的字元串
*: 匹配前面的字元或模式0次或多次
+: 匹配前面的字元或模式1次或多次
?: 匹配前面的字元或模式0次或1次
{n}: 匹配前面的字元或模式恰好n次
{n,m}: 匹配前面的字元或模式n-m次
|: 匹配兩個或多個模式中的一個
(): 分組，用來在複雜模式中指定優先順序和子模式

例如，\d{3,4}表示匹配3-4個數字，[\u4e00-\u9fa5]表示匹配中文漢字。

二、使用正則表達式進行文本匹配

在Python中，使用re模塊的search方法可以對文本進行正則表達式匹配，並返回匹配對象。例如：

import re

text = "abc123def456"
match = re.search(r"\d+", text)
if match:
    print(match.group())  # 輸出123

上面的代碼中，使用\d+匹配了文本中的數字，search方法返回匹配對象，group方法返回匹配的字元串值。

如果匹配的內容有多個，可以使用findall方法返回所有匹配的文本。例如：

import re

text = "abc123def456"
matches = re.findall(r"\d+", text)
if matches:
    print(matches)  # 輸出['123', '456']

上面的代碼中，使用\d+匹配了文本中的所有數字，findall方法返回所有匹配的字元串值的列表。

三、使用正則表達式進行替換

在Python中，使用re模塊的sub方法可以對文本進行正則表達式替換。例如：

import re

text = "abc123def456"
new_text = re.sub(r"\d+", "X", text)
print(new_text)  # 輸出abcXdefX

上面的代碼中，使用\d+匹配文本中的數字，將其替換為X。

如果要進行更複雜的替換操作，可以使用re.sub方法的回調函數。例如：

import re

text = "I am a boy."
new_text = re.sub(r"\b\w+\b", lambda match: match.group()[::-1], text)
print(new_text)  # 輸出I ma a yob.

上面的代碼中，使用\b\w+\b匹配文本中的單詞，回調函數使用字元串反轉的方式將單詞逆序。

四、常見的正則表達式應用場景

1.郵箱格式檢查

import re

def check_email(email):
    pattern = r"^\w+([\.-]?\w+)*@\w+([\.-]?\w+)*(\.\w{2,3})+$"
    if re.match(pattern, email):
        return True
    else:
        return False

print(check_email("example@example.com"))  # 輸出True
print(check_email("example@.com"))  # 輸出False

上面的代碼中，使用正則表達式檢查字元串是否為郵箱格式。正則表達式的含義是用戶名由字母、數字、下劃線、點、減號組成，域名由字母、數字、點組成，頂級域名為2-3個字母。

2.身份證號格式檢查

import re

def check_id_num(id_num):
    pattern = r"^[1-9]\d{5}(19|20)\d{2}(0[1-9]|1[0-2])(0[1-9]|[1-2]\d|3[0-1])\d{3}[\dXx]$"
    if re.match(pattern, id_num):
        return True
    else:
        return False

print(check_id_num("11010119900101001X"))  # 輸出True
print(check_id_num("11010119901301001X"))  # 輸出False

上面的代碼中，使用正則表達式檢查字元串是否為身份證號格式。正則表達式的含義是前6位為地區碼，接著為出生年份月日，最後4位為順序碼和校驗碼（校驗碼可以是數字0-9或字母Xx）。

3.中文漢字檢查

import re

def check_chinese(txt):
    pattern = r"[\u4e00-\u9fa5]"
    if re.search(pattern, txt):
        return True
    else:
        return False

print(check_chinese("這是中文"))  # 輸出True
print(check_chinese("this is English"))  # 輸出False

上面的代碼中，使用正則表達式檢查字元串是否包含中文漢字。正則表達式的含義是匹配中文漢字。

五、總結

正則表達式是一種強大的文本匹配工具，在Python中可以使用re模塊操作正則表達式，實現文本的匹配和替換。本文介紹了正則表達式的基本語法、使用正則表達式進行文本匹配和替換的相關內容，以及常見的正則表達式應用場景。希望本文對大家學習和使用正則表達式有所幫助。