使用Python的正則表達式進行文本匹配和提取

一、Python中的正則表達式基礎

正則表達式是一種通用的文本匹配方式，可以匹配特定規則的字元串。Python內置了re模塊，可以用來處理正則表達式。

在Python中，使用正則表達式通常需要以下步驟：

• 導入re模塊，調用相應函數
• 編寫正則表達式規則
• 對目標字元串進行匹配和查找
• 使用匹配結果進行相應的處理

下面是一個簡單的示例：

import re

pattern = 'hello'
text = 'hello, world!'

match = re.search(pattern, text)
if match:
    print('Match found:', match.group())
else:
    print('Match not found')

以上代碼在text中查找’hello’，輸出’Match found: hello’。

二、正則表達式規則

使用正則表達式，首先需要編寫相應的規則。以下是一些常用的規則：

• . : 匹配任意字元
• ^ : 匹配字元串的開頭
• $ : 匹配字元串的結尾
• * : 匹配0個或多個重複字元
• + : 匹配1個或多個重複字元
• ? : 匹配0個或1個字元
• {n} : 匹配n個重複字元
• {n,} : 匹配至少n個重複字元
• {n,m} : 匹配n~m個重複字元（貪婪模式）
• [abc] : 匹配a、b、c中任意一個字元
• [a-z] : 匹配a~z中任意一個小寫字母
• [^0-9] : 匹配任意一個非數字字元
• ((a|b)c) : 匹配ac或bc

可以將這些規則進行組合，用於匹配更複雜的字元串。下面是一個示例：

import re

pattern = '\d+' # 匹配一個或多個數字
text = 'Today is April 1st, 2022'

match = re.search(pattern, text)
if match:
    print('Match found:', match.group())
else:
    print('Match not found')

以上代碼在text中查找一個或多個數字，輸出’Match found: 1’。

三、Python中的正則表達式函數

Python中常用的正則表達式函數有：

• re.search() : 在字元串中查找匹配項，僅返回第一項
• re.findall() : 在字元串中查找所有匹配項，返回一個列表
• re.sub() : 在字元串中查找匹配項，並替換為指定字元串
• re.compile() : 編譯一個正則表達式，返回一個可重用的正則表達式對象

四、正則表達式常見應用

1. 匹配郵件地址

import re

pattern = r'\w+@\w+\.\w+'
text = 'My email address is abc_123@example.com'

match = re.search(pattern, text)
if match:
    print('Match found:', match.group())
else:
    print('Match not found')

以上代碼在text中查找郵件地址，輸出’Match found: abc_123@example.com’。

2. 匹配HTML標籤

import re

pattern = r'(.+?)'
text = '<h1>This is an example text.</h1>'

match = re.search(pattern, text)
if match:
    print('Match found:', match.group(2))
else:
    print('Match not found')

以上代碼在text中查找HTML標籤內容，輸出’Match found: This is an example text.’。

3. 匹配身份證號碼

import re

pattern = r'[1-9]\d{5}\d{4}(\d{4}|X|x)'
text = 'My ID number is 31234567890123456X'

match = re.search(pattern, text)
if match:
    print('Match found:', match.group())
else:
    print('Match not found')

以上代碼在text中查找身份證號碼，輸出’Match found: 31234567890123456X’。

五、總結

正則表達式在Python中是一個非常重要的概念和工具，可以用於字元串的匹配、查找和提取。在使用正則表達式時，建議使用Python的re模塊，並根據需要編寫相應的正則表達式規則。