Python正則表達式：用於文本匹配和替換

Python正則表達式是一種強大的工具，用於對文本進行匹配和替換。它可以快速、精確地查找、替換和提取文本，是文本處理的重要工具之一。

一、正則表達式基礎

正則表達式是一種描述字元模式的語言，它可以用來匹配、查找和替換文本中的字元串。在Python中，使用re模塊來支持正則表達式操作。

以下是一些基本的正則表達式元字元：

.       匹配任意單個字元
^       匹配行首
$       匹配行尾
*       匹配前一個字元0次或多次
+       匹配前一個字元1次或多次
?       匹配前一個字元0次或1次
[]      匹配方括弧中的任意一個字元
|       匹配「|」左側或右側的字元
()      分組，可在後續操作中引用
\       轉義字元，用於匹配元字元本身

例如，使用正則表達式匹配一個郵箱地址：

import re

email = 'example@gmail.com'
pattern = r'\w+@\w+\.\w+'

if re.match(pattern, email):
    print('匹配成功！')
else:
    print('匹配失敗！')

二、正則表達式模式修飾符

在正則表達式中，使用模式修飾符可以改變正則表達式的匹配行為。常用的模式修飾符包括：

• i ：忽略大小寫匹配
• m ：多行匹配，改變^和$的行為
• s ：點(.)匹配所有字元，包括換行符
• u ：使用Unicode匹配模式
• x ：允許注釋和空白

例如，使用模式修飾符匹配多行文本：

import re

text = '''This is example
for multiline 
matching'''

pattern = r'^\w+'
match = re.findall(pattern, text, re.MULTILINE)

print(match)

三、正則表達式高級應用

1. 非貪婪匹配

在正則表達式中，默認為貪婪匹配，即儘可能多地匹配字元。如果想要使用非貪婪匹配，可以在元字元後面加上「?」。

例如，使用非貪婪匹配匹配HTML標籤：

import re

html = '<div><a href="http://www.example.com">example</a></div>'

pattern = r'<.+?>'

print(re.findall(pattern, html))

2. 回溯引用

在正則表達式中，使用小括弧進行分組，還可以使用「\數字」來引用分組，例如「\1」代表第一個分組的內容。回溯引用可以用來匹配重複出現的子串。

例如，使用回溯引用匹配連續相同的單詞：

import re

text = 'Python Python Python Java Java Python'

pattern = r'\b(\w+)\s+\1\b'

print(re.findall(pattern, text))

3. 斷言

在正則表達式中，使用斷言可以匹配符合某個條件的字元串，但不包括在匹配結果中。斷言分為正向斷言和反向斷言，分別使用「?=」和「?!」表示。

例如，使用斷言匹配含有「example」但不是以「http://」開頭的字元串：

import re

text = 'example.com http://example.com'

pattern = r'(?<!http://)\b\w+example\w+\b'

print(re.findall(pattern, text))

四、應用場景

正則表達式在文本處理、數據清洗、爬蟲等場景中都非常常用。例如，爬蟲可以使用正則表達式來提取網頁中的數據；文本處理可以使用正則表達式來過濾、替換文本中的指定內容。

以下是一個使用正則表達式過濾電話號碼的例子：

import re

text = '聯繫我電話：010-88888888，行動電話：13888888888，傳真：010-99999999'

pattern = r'1[3456789]\d{9}|\d{3}-\d{8}'

print(re.findall(pattern, text))

總結

Python正則表達式是一種強大而靈活的文本處理工具。熟練掌握正則表達式，可以大大提高文本處理的效率和準確性。無論是數據清洗、爬蟲還是其他文本處理場景，都可以用正則表達式來解決問題。