利用正則表達式在Python中進行文本匹配和替換

一、正則表達式介紹

正則表達式，也稱為regexp或regex，是一系列用於匹配文本字元串的字元。在Python中，我們可以使用re模塊來使用正則表達式進行文本匹配和替換操作。

正則表達式由普通字元（例如字母、數字和符號）和特殊字元（稱為「元字元」）組成。元字元具有預定義含義，用於指定匹配模式的特殊規則。例如，句點（.）匹配任何單個字元，星號（*）匹配前一個字元的零個或多個實例。

下面是一些常用的元字元及其含義：

.     匹配任何單個字元（除了新行符）。
^     匹配字元串的開頭。
$     匹配字元串的結尾。
*     匹配前一個字元的零個或多個實例。
+     匹配前一個字元的一個或多個實例。
?     匹配前一個字元的零個或一個實例。
\     轉義特殊字元。
[]    匹配中括弧內的任何單個字元。
|     匹配左側或右側的字元串。
()

有了這些元字元，我們就可以構造出各種各樣的正則表達式來匹配文本字元串。

二、使用re模塊進行文本匹配

在Python中，我們可以使用re模塊中的函數來進行正則表達式匹配。

首先，我們需要導入re模塊：

import re

接下來，我們可以使用re模塊中的函數進行匹配操作。

下面是常用的一些re函數及其用途：

re.compile(pattern)      構造一個正則表達式對象。
re.search(pattern, string)   搜索字元串中的匹配項。
re.match(pattern, string)   嘗試從字元串的開頭匹配模式。
re.findall(pattern, string)  返回字元串中所有與模式匹配的字元串的列表。
re.finditer(pattern, string) 返回一個迭代器，生成所有模式匹配項的迭代器。

下面是一個例子，使用正則表達式匹配一個電子郵件地址：

import re

pattern = r'[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}'
string = '聯繫我：example@example.com。'

match = re.search(pattern, string)
if match:
    print('匹配到的電子郵件地址：', match.group())

上述代碼中，我們使用re模塊中的search函數來搜索字元串中的電子郵件地址。pattern為我們編寫的正則表達式，它可以匹配格式為「example@example.com」的電子郵件地址。string為待搜索的字元串。

如果找到了匹配項，re.search函數將返回一個Match對象。我們可以使用Match對象的group函數來檢索匹配到的字元串。

三、使用正則表達式進行文本替換

除了匹配和搜索，我們還可以使用正則表達式進行文本替換操作。

在Python中，我們可以使用re.sub函數進行文本替換。

下面是一個例子，使用正則表達式將文本字元串中的所有「dog」替換為「cat」：

import re

pattern = r'dog'
replacement = 'cat'
string = 'I have a dog.'

new_string = re.sub(pattern, replacement, string)
print('替換後的字元串：', new_string)

上述代碼中，我們使用re.sub函數將字元串中的所有「dog」替換為「cat」。pattern為正則表達式，replacement為替換後的字元串，string為待替換的字元串。

re.sub函數將返回替換後的新字元串。

四、正則表達式練習題

為了更好地理解正則表達式，我們可以嘗試解決以下練習題：

1. 編寫一個正則表達式，匹配所有形如「www.example.com」和「http://www.example.com」的網址。
2. 編寫一個正則表達式，匹配所有四位十進位數字，且第一位數字不為零的字元串。
3. 編寫一個正則表達式，匹配所有形如「2022-07-04」的日期，其中「2022」表示年份，「07」表示月份，「04」表示日。

五、總結

正則表達式是一種強大的文本匹配和替換工具。在Python中，我們可以使用re模塊來使用正則表達式進行文本匹配和替換操作。通過掌握各種元字元和re模塊中的函數，我們可以輕鬆地進行各種複雜的文本操作。