Skip to main content

Python 正則表達式 **還沒完成**

pattern = re.compile(r"^(.*?)\s*\((\d+)\)(\..+)?$")

第一次看到正則表達式的感想只有「？？？」，不過簡單來說就是一套可以描述字符匹配的表達方式。

入門函式​

不造輪子，直接看使用正規表達式 re。

入門匹配方式​

匹配非保留字符時直接用中括號 [] 表示要匹配的字符，例如

text = "ABC 123"
A = re.search("[a-zA-Z]", text).group()   # 'A'
B = re.search("[a-zA-Z]+", text).group()   # 'ABC'

也可以加上 ^ 排除字符：

text = "ABC 123"
C = re.search("[^a-zA-Z]", text).group()   # ' '
D = re.search("[^a-zA-Z]+", text).group()   # ' 123'

接著介紹如何匹配任意字符，進入滿臉問號的開始。

字符類型匹配​

  • .：任意字符（不包括換行符）。
  • \d：任意數字（0-9）。
  • \D：任意非數字。
  • \w：任意字母、數字或下劃線（等同[a-zA-Z0-9_]）。
  • \W：任意非字母、數字或下劃線的字符。
  • \s：任意空白字符（空格、制表符、換行符）。
  • \S：任意非空白字符。

使用範例，依序匹配整個字串這樣比較好理解

text = "ABC 123"
# 只匹配單字符
print(re.search(r"\w", text).group())   # 'A'
# 加上"+"匹配多字符
print(re.search(r"\w+", text).group())   # 'ABC'
# 加上"\s"匹配空格
print(re.search(r"\w+\s", text).group())   # 'ABC '
# 加上"\W"匹配字母、數字或下劃線的字符
print(re.search(r"\w+\W", text).group())   # 'ABC '
# 加上"\w+"匹配空格後面的字符
print(re.search(r"\w+\W\w+", text).group())   # 'ABC 123'

這就是基本使用方法了。

量詞 Quantifier​

  • *：匹配前面的元素 0 次或多次。
  • +：匹配前面的元素 1 次或多次。
  • ?：匹配前面的元素 0 次或 1 次。
  • {n}：精確匹配前面的元素 n 次。
  • {n,m}：匹配前面的元素至少 n 次，至多 m 次。

邊界設定​

  • ^：匹配字符串的開始。
  • $：匹配字符串的結尾。
  • \b：匹配單詞邊界（例如單詞前後的空格或標點）。
  • \B：匹配非單詞邊界。

如果規則前後加上 ^ 和 $，即要求完整匹配開頭到結尾。

範例：移除電話號碼中的空白​

import re

text = "123 456 7890"
result = re.sub(r"\s+", "", text)
print(result)   # 1234567890

高階匹配方式​

捕獲​

  • 小括號 ( )：捕獲一個匹配，以便後續引用

    • EX: (\d{3}) 匹配並捕獲三位數字

  • 管道符 |：匹配任意一個可能

    • EX: cat|dog 匹配 "cat" 或 "dog"

  • 非貪婪匹配 ?：在量詞後加 ?，使匹配最少次數。正則表達式預設貪婪，它會找最長的匹配

  • 小括號加問號 ( )?：表示可選

範例：取出 HTML 標籤內內容​

提取 "<h1>Hello World</h1>" <h1> 標籤的內容，即 "Hello World"。

html = "<h1>Hello World</h1>"
result = re.sub(r"<.*?>(.*?)</.*?>", r"\1", html)
print(result)   # Hello World
  • <.*?>：使用非貪婪模式匹配 HTML 標籤（）。
  • (.*?)：捕獲標籤中的內容。
  • r"\1"：取出匹配結果。

範例：移除 URL 的查詢參數​

移除所有的查詢參數，只保留基礎 URL （移除問號後面的所有文字）。

url = "https://example.com/page?param1=value1&param2=value2"
result = re.sub(r"\?.*$", "", url)   # 'https://example.com/page'
  • \?.*$：匹配 ? 後面的所有內容（$ 表示匹配到行尾）。
  • re.sub 將匹配到的內容替換成空字符串，從而移除查詢參數。

範例：格式化日期​

把日期字串 "20240908"格式化成 "2024-09-08" 。

text = "20240908"
result = re.sub(r"(\d{4})(\d{2})(\d{2})", r"\1-\2-\3", text)
print(result)   # 2024-09-08
  • 三個捕獲群組（三個括弧）
  • 每個括弧填入匹配規則，分別捕獲年份月份日期
  • r"\1-\2-\3"：引用捕獲群組，\1 是第一個捕獲的組，\2 是第二個，\3 是第三個。

範例：電子郵件​

驗證 "example@test.com" 是否符合電子郵件格式。

def validate_email(email):
    pattern = r'^[\w\.-]+@[\w\.-]+\.\D{3}$'
    return re.match(pattern, email) is not None

validate_email("example@test.com")   # True
validate_email("example@test.")   # False
validate_email("example@test.s")   # False
validate_email("example@test.sss")   # True
  • ^：表示字串開頭
  • []：匹配裡面的元素，包含 \w, ., -，
  • []+：匹配元素到最長
  • [\w\.-]+：匹配次級域名
  • \D{3}：匹配頂級域名，只能是字符不能有數字
  • $：表示字串結束。

結語​

這誰記得起來，所以接下來是我的個人筆記，我才不要每次寫個小腳本還要重看文章。

範例：檔案重新命名一​

如果檔名符合規則 "{digits} <xxx>.<extension>"，把花括弧前加上空格移到最後，例如：

  • {123} example.txt 變成 example {123}.txt
  • {456} folder 變成 folder {456}
def rename_item0(directory, item):
    pattern = re.compile(r"^{(\d+)}\s+(.+?)(\..+)?$")
    match = pattern.match(item)
    if match:
        number, name, extension = match.groups()
        if extension:
            new_name = f"{name} {{{number}}}{extension}"
        else:
            # 資料夾
            new_name = f"{name} {{{number}}}"
        old_path = os.path.join(directory, item)
        new_path = os.path.join(directory, new_name)
        os.rename(old_path, new_path)
  • ^ 匹配字符串開始
  • {(\d+)} 匹配花括號中的數字並捕獲這個數字
  • \s+ 匹配空格
  • (.+?) 非貪婪地匹配任何字符（除了換行符），這是文件名主體
  • (\..+)? （可選）匹配副檔名

參考資料​

使用正規表達式 re 正規表示式（Regular Expression）