使用Python regex實現文本匹配和替換

Python是一個強大的編程語言，廣泛應用於數據處理、文本處理和機器學習等領域。其中，正則表達式是Python中強大的文本處理庫之一，能夠快速地實現對文本的匹配和替換。本文將從多個方面介紹如何使用Python regex實現文本匹配和替換。

一、匹配單個字元

在Python regex中，最基本的匹配單個字元的方法是使用”.”，它可以匹配任意一個字元（除了換行符）。

import re

# 匹配單個字元
pattern = "a.c"
test_string = "abc"
print(re.match(pattern, test_string)) # 匹配成功
test_string = "adc"
print(re.match(pattern, test_string)) # 匹配失敗

“a.c”可以匹配”abc”，但不匹配”adc”。

還有一種特殊的字元，叫做元字元，它們具有特殊的意義。在Python regex中，一些常用的元字元包括”^”、”$”和”\”。”^”用於匹配字元串的開頭，”$”用於匹配字元串的結尾，”\\”用於轉義。

import re

# 使用元字元
pattern = "^abc$"
test_string = "abc"
print(re.match(pattern, test_string)) # 匹配成功
test_string = "abcd"
print(re.match(pattern, test_string)) # 匹配失敗

“^abc$”精確地匹配”abc”，不匹配”abcd”。

二、匹配多個字元

在Python regex中，用於匹配多個字元的方法包括使用”*”、”+”、”?”和”{}”。

“*”表示匹配前面的字元出現0次或多次；”+”表示匹配前面的字元出現1次或多次；”?”表示匹配前面的字元出現0次或1次。

import re

# 匹配多個字元
pattern = "ab*c"
test_string = "ac"
print(re.match(pattern, test_string)) # 匹配成功
test_string = "abc"
print(re.match(pattern, test_string)) # 匹配成功
test_string = "abbbbbbbc"
print(re.match(pattern, test_string)) # 匹配成功
test_string = "a"
print(re.match(pattern, test_string)) # 匹配失敗

“ab*c”可以匹配”ac”、”abc”和”abbbbbbbc”，但不匹配”a”。

“{}”用於匹配出現指定次數的字元，其語法為”{m}”（匹配前面的字元出現m次）、”{m,}”（匹配前面的字元出現至少m次）和”{m,n}”（匹配前面的字元出現m~n次）。

import re

# 匹配指定次數的字元
pattern = "ab{2}c"
test_string = "abc"
print(re.match(pattern, test_string)) # 匹配失敗
test_string = "abbc"
print(re.match(pattern, test_string)) # 匹配成功
test_string = "abbbbbc"
print(re.match(pattern, test_string)) # 匹配失敗

# 匹配至少指定次數的字元
pattern = "ab{2,}c"
test_string = "abc"
print(re.match(pattern, test_string)) # 匹配失敗
test_string = "abbc"
print(re.match(pattern, test_string)) # 匹配成功
test_string = "abbbbbc"
print(re.match(pattern, test_string)) # 匹配成功

# 匹配指定範圍內次數的字元
pattern = "ab{2,4}c"
test_string = "abc"
print(re.match(pattern, test_string)) # 匹配失敗
test_string = "abbc"
print(re.match(pattern, test_string)) # 匹配成功
test_string = "abbbbbc"
print(re.match(pattern, test_string)) # 匹配失敗
test_string = "abbbbc"
print(re.match(pattern, test_string)) # 匹配成功
test_string = "abbbb"
print(re.match(pattern, test_string)) # 匹配成功

“ab{2}c”匹配”abbc”，但不匹配”abc”和”abbbbbc”。”ab{2,}c”匹配”abbc”和”abbbbbc”，但不匹配”abc”。”ab{2,4}c”匹配”abbc”、”abbbbc”和”abbbb”，但不匹配”abc”和”abbbbbc”。

三、匹配字符集

在Python regex中，可以使用”[]”表示字符集，它可以匹配方括弧中的任意一個字元。

import re

# 匹配字符集
pattern = "[abc]"
test_string = "a"
print(re.match(pattern, test_string)) # 匹配成功
test_string = "b"
print(re.match(pattern, test_string)) # 匹配成功
test_string = "c"
print(re.match(pattern, test_string)) # 匹配成功
test_string = "d"
print(re.match(pattern, test_string)) # 匹配失敗

“[abc]”匹配”a”、”b”和”c”，但不匹配”d”。

還可以使用”-“表示範圍。

import re

# 匹配字元範圍
pattern = "[a-z]"
test_string = "a"
print(re.match(pattern, test_string)) # 匹配成功
test_string = "m"
print(re.match(pattern, test_string)) # 匹配成功
test_string = "Z"
print(re.match(pattern, test_string)) # 匹配失敗

“[a-z]”匹配”a”~”z”中的任意一個字元。

四、使用特殊字元

在Python regex中，還有一些特殊的字元，可以用於匹配常用的數據類型，包括數字、空白字元、單詞字元等。

“\d”表示匹配數字；”\D”表示匹配非數字；”\s”表示匹配空白字元，包括空格、製表符和換行符；”\S”表示匹配非空白字元；”\w”表示匹配單詞字元，包括字母、數字和下劃線；”\W”表示匹配非單詞字元。

import re

# 匹配特殊字元
pattern = "\d+"
test_string = "123"
print(re.match(pattern, test_string)) # 匹配成功
test_string = "abc"
print(re.match(pattern, test_string)) # 匹配失敗

pattern = "\s+"
test_string = "  "
print(re.match(pattern, test_string)) # 匹配成功
test_string = "a b"
print(re.match(pattern, test_string)) # 匹配失敗

pattern = "\w+"
test_string = "hello_world"
print(re.match(pattern, test_string)) # 匹配成功
test_string = "@!$%"
print(re.match(pattern, test_string)) # 匹配失敗

“\d+”匹配所有的數字串；”\s+”匹配所有的空白字元串；”\w+”匹配所有的單詞字元串。

五、替換字元串

Python regex不僅可以匹配字元串，還可以替換字元串。

可以使用sub()函數實現字元串替換，它的參數包括要替換的字元串、新的字元串和待處理的字元串。

import re

# 替換字元串
pattern = "\s+"
new_string = "-"
test_string = "hello world"
print(re.sub(pattern, new_string, test_string)) # 替換空格為橫線

輸出結果為”hello-world”。

六、結語

本文介紹了Python regex的基本用法，包括匹配單個字元、匹配多個字元、匹配字符集、使用特殊字元和替換字元串等。通過以上方法，可以快速、靈活地實現對文本的匹配和替換。