【Python基礎知識】常用內建模塊-re

編程語言中的正則表達式用于描述搜索模式的特殊文本字符串。這對于從文本(如代碼、日志、文檔、電子表格等)中提取信息非常有用。使用正則表達式時，首先要認識到的是，所有內容本質上都是一個字符。ASCII或拉丁字母是鍵盤上的字母，Unicode用于匹配外來文本，它包括數字和標點符號以及所有特殊字符，如$、#、@、!、%等。

例如，正則表達式可以告訴程序從字符串中搜索特定文本，然后相應地打印出結果。正則表達式可以包括文字匹配、重復、分支、模式組成等。

在Python中，正則表達式通過re模塊導入。元字符是具有特殊含義的字符，用來匹配特定文本。常用的元字符如表所示。

re模塊中定義了一些函數，分別對應不同的匹配模式。

findall()函數用于返回包含所有匹配項的字符串列表：

1. >>> import re   # 導入re模塊，以下示例都將省略這行代碼 
2. >>> s = 'hello 12 hi 89. How 34' 
3. >>> pattern = '\d+'   # 匹配數字 
4. >>> result = re.findall(pattern, s) 
5. >>> print(result) 
6. ['12', '89', '34'] 

split()函數用于在存在匹配項的情況下拆分字符串，并返回發生拆分的字符串列表：

1. >>> s = 'python:234, java 90'   # 將數字作為分隔符 
2. >>> pattern = '\d+' 
3. >>> result = re.split(pattern, s) 
4. >>> print(result) 
5. ['python:', ', java ', ''] 

如果不存在匹配項，那么split()函數返回一個包含空字符串的列表。可以將maxsplit參數傳遞給split()函數，maxsplit代表最大拆分次數：

1. >>> s = 'python:234, java 90' 
2. >>> pattern = '\d+' 
3. >>> result = re.split(pattern, s, 1)   # 分割最大值是1，即拆成兩份 
4. >>> print(result) 
5. ['python:', ', java 90'] 

sub()函數用于返回一個字符串，其中匹配到的匹配項被替換變量的內容替換：

1. >>> s = 'abc 12\ 
2. ... de 23 \n f45 6' 
3. >>> pattern = '\s+'   # 匹配空白字符 
4. >>> replace = ''   # 用空字符串替換匹配項 
5. >>> new_string = re.sub(pattern, replace, s) 
6. >>> print(new_string)  # 完成替換 
7. abc12de23f456 

如果不存在匹配項，那么sub()函數返回原始字符串。

subn()函數與sub()函數類似，只不過subn()函數返回一個包含2個項的元組，其中包含新字符串和進行替換的次數：

1. >>> s = 'abc 12\ 
2. ... de 23 \n f45 6' 
3. >>> pattern = '\s+' 
4. >>> replace = '' 
5. >>> new_string = re.subn(pattern, replace, s) 
6. >>> print(new_string) 
7. ('abc12de23f456', 4) 

search()函數采用兩個參數，分別是匹配模式和字符串。該函數查找正則表達式模式與字符串匹配的第一個位置。如果匹配成功，那么search()函數返回一個match對象;否則返回None：

1. >>> s = 'Python is fun' 
2. >>> match = re.search('\APython', s)   # 檢查'Python'是否在開頭 
3. >>> print(match)   # 返回一個對象 
4. <_sre.SRE_Match object; span=(0, 6), match='Python'> 

上面的match變量包含著match對象，match對象的re屬性返回一個正則表達式對象，string屬性返回傳遞的字符串：

1. >>> match.re 
2. re.compile('\\APython') 
3. >>> match.string 
4. 'Python is fun'