Python正則表達式：從字元串中提取需要的信息

正則表達式是一種強大的工具，它可以幫助我們從複雜的字元串中提取需要的信息。在Python中，re模塊是專門用來處理正則表達式的模塊。

一、正則表達式的基本概念

正則表達式是用來描述字元串的一種方法。它由一些特殊字元和普通字元組成。特殊字元可以匹配特定的字元或字符集合，普通字元只能匹配它本身。

例如，正則表達式

/\d+/

可以匹配任意數字，其中

/

是正則表達式的限定符，

\d

是特殊符號，表示匹配任意數字，

+

表示匹配一次或多次。

在Python中，我們可以使用re模塊中的函數來創建正則表達式對象，並且可以對字元串進行正則匹配。

import re
text = 'hello python'
pattern = re.compile('hello')
result = pattern.match(text)
print(result.group())    # hello

上面的例子中，我們首先使用re.compile函數創建了一個正則表達式對象

pattern

，然後使用這個對象的match方法匹配字元串

text

。結果是匹配到了字元串中的 hello 並返回。

二、元字元和轉義符

正則表達式中的特殊字元叫做元字元，特殊字元的含義可以使用轉義符反轉義。

例如，要匹配字元串中的點號，應該寫成

\.

，這是因為點號在正則表達式中是一個特殊字元，表示匹配任意字元。

下面是常用的元字元：

• .

  匹配除換行符外的任意字元

• \d

  匹配數字字元

• \D

  匹配非數字字元

• \s

  匹配空白字元

• \S

  匹配非空白字元

• \w

  匹配字母、數字、下劃線字元

• \W

  匹配非字母、數字、下劃線字元

三、常用操作符

在正則表達式中，還有一些常用操作符，用於描述匹配規則。

• ^

  匹配字元串的開頭

• $

  匹配字元串的結尾

• *

  匹配前面的字元0次或多次

• +

  匹配前面的字元1次或多次

• ?

  匹配前面的字元0次或1次

• {n}

  匹配前面的字元n次

• {m,n}

  匹配前面的字元m次到n次

• |

  匹配兩個表達式中的一個

• ()

  將多個字元組合成一個整體

例如，正則表達式

^\d+

可以匹配以數字開頭的字元串，正則表達式

(http|https)://\w+\.\w+

可以匹配以 http 或 https 開頭，以字母、數字或下劃線開頭的域名。

四、示例代碼

import re

# 匹配手機號
text = '我的手機號碼是15888888888，還有一個號碼是13999999999。'
pattern = re.compile('\d{11}')
result = pattern.findall(text)
print(result)    # ['15888888888', '13999999999']

# 匹配郵箱
text = '我的郵箱是abc123@example.com，另一個郵箱是def456@example.com。'
pattern = re.compile('\w+@\w+\.\w+')
result = pattern.findall(text)
print(result)    # ['abc123@example.com', 'def456@example.com']

# 匹配HTML標籤
text = '<div class="content"><p>這是一段內容</p></div>'
pattern = re.compile('<(\w+)[^>]*>.*?</\1>')
result = pattern.search(text)
print(result.group())    # <p>這是一段內容</p>