學習筆記

一、正則運算式–元字符

re 模塊使 Python 語言擁有全部的正則運算式功能

1. 數量詞

# 提取大小寫字母混合的單詞
import re
a = 'Excel 12345Word23456PPT12Lr'
r = re.findall('[a-zA-Z]{3,5}',a)
# 提取字母的數量3個到5個
print(r)
# ['Excel', 'Word', 'PPT']

# 貪婪 與 非貪婪  【Python默認使用貪婪模式】
# 貪婪：'[a-zA-Z]{3,5}'
# 非貪婪：'[a-zA-Z]{3,5}?' 或 '[a-zA-Z]{3}'
# 建議使用后者，不要使用?號，否則你會與下面的?號混淆

# 匹配0次或無限多次 *號，*號前面的字符出現0次或無限次
import re
a = 'exce0excell3excel3'
r = re.findall('excel*',a)
r = re.findall('excel.*',a) # ['excell3excel3']
# excel 沒有l 有很多l都可以匹配出來

print(r)
# ['exce', 'excell', 'excel']

# 匹配1次或者無限多次 +號，+號前面的字符至少出現1次
import re
a = 'exce0excell3excel3'
r = re.findall('excel+',a)
print(r)
# ['excell', 'excel']


# 匹配0次或1次  ?號，?號經常用來去重復
import re
a = 'exce0excell3excel3'
r = re.findall('excel?',a)
print(r)
# ['exce', 'excel', 'excel']

2. 字符匹配

line = 'xyz,xcz.xfc.xdz,xaz,xez,xec'
r = re.findall('x[de]z', line)
# pattern 是x開始，z結束，含d或e
print(r)

# ['xdz', 'xez']

r = re.findall('x[^de]z', line)
# pattern 是x開始，z結束，不是含d或e
print(r)
# ['xyz', 'xcz', 'xaz']

# \w 可以提取中文，英文，數字和下劃線，不能提取特殊字符
import re
a = 'Excel 12345Word\n23456_PPT12lr'
r = re.findall('\w',a)
print(r)

# ['E', 'x', 'c', 'e', 'l', '1', '2', '3', '4', '5', 'W', 'o', 'r', 'd', '2', '3', '4', '5', '6', '_', 'P', 'P', 'T', '1', '2', 'l', 'r']



# \W 提取特殊字符，空格 \n \t
import re
a = 'Excel 12345Word\n23456_PPT12lr'
r = re.findall('\W',a)
print(r)

# [' ', '\n']

3. 邊界匹配

# 限制電話號碼的位置必需是8-11位才能提取
import re
tel = '13811115888'
r = re.findall('^\d{8,11}$',tel)
print(r)
# ['13811115888']

4. 組

# 將abc打成一個組，{2}指的是重復幾次，匹配abcabc
import re
a = 'abcabcabcxyzabcabcxyzabc'
r = re.findall('(abc){2}',a)  # 與
# ['abc', 'abc']
print(r)

r = re.findall('(abc){3}',a)
# ['abc']

5. 匹配模式引數

# findall第三引數 re.I忽略大小寫
import re
a = 'abcFBIabcCIAabc'
r = re.findall('fbi',a,re.I)
print(r)
# ['FBI']


# 多個模式之間用 | 連接在一起
import re
a = 'abcFBI\nabcCIAabc'
r = re.findall('fbi.{1}',a,re.I | re.S)
# 匹配fbi然后匹配任意一個字符包括\n
print(r)
# ['FBI\n']

二、方法

re.findall

• 匹配出字串中所有 與制定值相關的值
• 以串列的形式回傳
• 未匹配則回傳空串列

import re
re.findall(pattern, string, flags=0)
pattern.findall(string[ , pos[ , endpos]])

import re

line = "111aaabbb222小呼嚕奧利奧"
r = re.findall('[0-9]',line)

print(r)
# ['1', '1', '1', '2', '2', '2']

re.match

• re.match 嘗試從字串的起始位置匹配一個模式
• 如果不是起始位置匹配成功的話，match()就回傳none，

re.match(pattern, string, flags=0)
# (標準，要匹配的，標志位)

print(re.match('www','www.xxxx.com'))
print(re.match('www','www.xxxx.com').span())
print(re.match('com','www.xxxx.com'))

<re.Match object; span=(0, 3), match='www'>
(0, 3)
None

group匹配物件

import re
a = 'life is short,i use python,i love python'
r = re.search('life(.*)python(.*)python',a)
print(r.group(0))       # 完整正則匹配 ，life is short,i use python,i love python
print(r.group(1))       # 第1個分組之間的取值 is short,i use 
print(r.group(2))       # 第2個分組之間的取值 ,i love 
print(r.group(0,1,2)) # 以元組形式回傳3個結果取值 ('life is short,i use python,i love python', ' is short,i use ', ',i love ')
print(r.groups())       # 回傳就是group(1)和group(2) (' is short,i use ', ',i love ')

import re

# .*        表示任意匹配除換行符（\n、\r）之外的任何單個或多個字符
# (.*?)     表示"非貪婪"模式，只保存第一個匹配到的子串
# re.M      多行匹配，影響 ^ 和 $
# re.I      使匹配對大小寫不敏感

line = "Cats are smarter than dogs"

matchObj1 = re.match(r'(.*) are (.*?) .*', line,  re.M|re.I)
matchObj2 = re.match(r'(.*) smarter (.*?) .*', line,  re.M|re.I)

matchObj3 = re.match(r'(.*) than (.*)', line,  re.M|re.I)
print(matchObj1)
print(matchObj2)
print(matchObj3)

# <re.Match object; span=(0, 26), match='Cats are smarter than dogs'>
# <re.Match object; span=(0, 26), match='Cats are smarter than dogs'>
# None

if matchObj1:
   print ("matchObj1.group() : ", matchObj1.group())
   print ("matchObj1.group(1) : ", matchObj1.group(1))
   print ("matchObj1.group(2) : ", matchObj1.group(2))

else:
   print ("No match!!")


if matchObj2:
   print ("matchObj2.group() : ", matchObj2.group())
   print ("matchObj2.group(1) : ", matchObj2.group(1))
   print ("matchObj2.group(2) : ", matchObj2.group(2))

else:
   print ("No match!!")

if matchObj3:
   print ("matchObj3.group() : ", matchObj3.group())
   print ("matchObj3.group(1) : ", matchObj3.group(1))
   print ("matchObj3.group(2) : ", matchObj3.group(2))
else:
   print ("No match!!")



# matchObj1.group() :  Cats are smarter than dogs
# matchObj1.group(1) :  Cats
# matchObj1.group(2) :  smarter
# matchObj2.group() :  Cats are smarter than dogs
# matchObj2.group(1) :  Cats are
# matchObj2.group(2) :  than

# matchObj3.group() :  Cats are smarter than dogs
# matchObj3.group(1) :  Cats are smarter
# matchObj3.group(2) :  dogs

import re

# 點 是匹配單個字符
# 星是前面的東西出現0次或無數次
# 點星就是任意字符出現0次或無數次

str = "a b a b"

matchObj1 = re.match(r'a(.*)b', str,  re.M|re.I)
matchObj2 = re.match(r'a(.*?)b', str,  re.M|re.I)

print("matchObj1.group() : ", matchObj1.group())
print("matchObj2.group() : ", matchObj2.group())
# matchObj1.group() :  a b a b
# matchObj2.group() :  a b

re.search

掃描整個字串并回傳第一個成功的匹配，

re.search(pattern, string, flags=0)

import  re
line = "cats are smarter than dogs"

matchObj = re.match(r'dogs',line,re.M|re.I)
matchObj1= re.search(r'dogs',line,re.M|re.I)
matchObj2= re.match(r'(.*) dogs',line,re.M|re.I)


if matchObj:
   print ("match --> matchObj.group() : ", matchObj.group())
else:
   print ("No match!!")


if matchObj1:
   print ("match --> matchObj1.group() : ", matchObj1.group())
else:
   print ("No match!!")

if matchObj2:
   print ("match --> matchObj2.group() : ", matchObj2.group())
else:
   print ("No match!!")
   
   
# No match!!
# match --> matchObj1.group() :  dogs
# match --> matchObj2.group() :  cats are smarter than dogs

re.compile

• re.compile是將正則運算式轉換為模式物件
• 這樣可以更有效率匹配，使用compile轉換一次之后，以后每次使用模式時就不用進行轉換

三、檢索和替換

re.sub 替換字串

re.sub('被替換的','替換成的',a)

# 把FBI替換成BBQ
import re
a = 'abcFBIabcCIAabc'
r = re.sub('FBI','BBQ',a)
print(r)


# 把FBI替換成BBQ，第4引數寫1，證明只替換第一次，默認是0（無限替換）
import re
a = 'abcFBIabcFBIaFBICIAabc'
r = re.sub('FBI','BBQ',a,1)
print(r)
# abcBBQabcCIAabc
# abcBBQabcFBIaFBICIAabc

# 把函式當引數傳到sub的串列里，實作把業務交給函式去處理，例如將FBI替換成$FBI$
import re
a = 'abcFBIabcFBIaFBICIAabc'
def 函式名(形參):
    分段獲取 = 形參.group()           # group（）在正則運算式中用于獲取分段截獲的字串，獲取到FBI
    return '$' + 分段獲取 + '$'
r = re.sub('FBI',函式名,a)
print(r)