# 【Python 筆記】正規運算式（Regular Expression）
[TOC]
感謝您點進本篇文章，本篇文章為我 LukeTseng 個人首篇 Python 筆記系列文章，主要記錄我個人學習軌跡，所有內容皆用於個人學習用途，斟酌參考。若文章有任意處有誤，煩請各位指點，謝謝。
## 簡介
這東西的名字很多，有什麼正規表達式、正規表示法、規則運算式、常規表示法等等，我個人比較習慣叫他是正規運算式，總之他的名字就是 Regular Expression（簡稱 RE、regex）就對了，在這之後我都叫他是 regex 縮寫。
regex 是一套用來描述和比對字串樣式規則的「語法」或「表示法」，通常被嵌入在各大程式語言當中，例如我們最愛用的 Python 就是其一。regex 在處理和解析字串方面十分強大，因此也是我們要學習的對象。
你可能想說在 notepad 裡面就可以用搜尋、取代這些功能了，為什麼還需要 regex？因為 regex 他不只是只有搜尋、取代這些功能而已，他還有篩選的功能，例如可以篩出特定字元、字串，以此來找到電子郵件格式及電話號碼。
## 在 Python 使用 regex
```python
import re
```
Python 本身就有內建 regex，因此只要直接引入就好了。
## 編譯 regex
在做 regex 之前，都需要做編譯的動作，因此以下就是我們 regex 最基本的語法：
```python=
import re
p = re.compile('ab*')
```
:::info
建議在 regex 字串前加上 r 讓字串轉成原始字串，這樣反斜線 `\` 就不會當成跳脫字元處理。
:::
而上面 `'ab*'` 的意思就是「**必須要有一個字母 a**」以及「**0 個或 1 個以上的的字母 b**」。
## 字元類別（Character Classes）
字元類別允許匹配指定集合中的任一個字元，用中括號 `[]` 圍起來。
常見的有以下幾種：
- `[abc]`：匹配 a、b 或 c。
- `[a-z]`：匹配任何小寫字母。
- `[A-Z]`：匹配任何大寫字母。
- `[0-9]`：匹配任何數字。
- `[^abc]`：匹配除了 a、b、c 以外的任何字元（否定）。
## 特殊字元序列
* `\d`：匹配任何數字，等同於 `[0-9]`。
* `\D`：匹配任何非數字字元。
* `\w`：匹配任何字母、數字或底線，等同於 `[a-zA-Z0-9_]`。
* `\W`：匹配任何非字母數字字元。
* `\s`：匹配任何空白字元（空格、tab、換行等）。
* `\S`：匹配任何非空白字元。
## 量詞（Quantifiers）
用來指定某個模式應出現的次數：
* `*`：匹配前面的字元 0 次或多次。
* `+`：匹配前面的字元 1 次或多次。
* `?`：匹配前面的字元 0 次或 1 次。
* `{n}`：精確匹配 n 次。
* `{n,}`：至少匹配 n 次。
* `{n,m}`：匹配 n 到 m 次。
## 錨點（Anchors）
用來指定匹配在字串中的位置：
* `^`：匹配字串的開頭。
* `$`：匹配字串的結尾。
* `\b`：匹配單詞邊界。
* `\B`：匹配非單詞邊界。
## 常用方法
| 方法 | 語法 | 說明 | 回傳值 |
| :-- | :-- | :-- | :-- |
| `re.compile()` | `re.compile(pattern, flags=0)` | 將正規表達式編譯成模式物件，可重複使用以提升效能 | Pattern 物件 |
| `re.match()` | `re.match(pattern, string, flags=0)` | 從字串**開頭**開始匹配，只檢查開頭是否符合模式 | Match 物件或 None |
| `re.search()` | `re.search(pattern, string, flags=0)` | 掃描整個字串，尋找**第一個**符合模式的位置 | Match 物件或 None |
| `re.findall()` | `re.findall(pattern, string, flags=0)` | 找出**所有**不重疊的匹配結果 | 包含所有匹配字串的列表 |
| `re.finditer()` | `re.finditer(pattern, string, flags=0)` | 找出所有匹配結果，以迭代器形式回傳 | Match 物件的迭代器 |
| `re.sub()` | `re.sub(pattern, repl, string, count=0, flags=0)` | 將所有符合模式的部分替換成指定字串，count 可限制替換次數 | 替換後的新字串 |
| `re.subn()` | `re.subn(pattern, repl, string, count=0, flags=0)` | 與 `re.sub()` 類似，但會回傳替換次數 | (新字串, 替換次數) 的元組 |
| `re.split()` | `re.split(pattern, string, maxsplit=0, flags=0)` | 根據符合的模式分割字串，maxsplit 可限制分割次數 | 分割後的字串列表 |
| `re.fullmatch()` | `re.fullmatch(pattern, string, flags=0)` | 檢查**整個字串**是否完全符合模式 | Match 物件或 None |
### 1. `re.match()` 範例
`re.match()` 為從字串開頭開始匹配模式（pattern）的方法。如果開頭符合模式則回傳 Match 物件，否則回傳 None。
以下程式碼中的 pattern 的 `^` 符號是一個錨點（anchor），表示匹配字串的開頭位置。這個符號確保 pattern 必須從字串的最開始就符合，而不是在字串中間找到符合的部分。
`^` 放在 regex 的開頭，表示 `text` 字串一開始就要是 `Hello` 否則不匹配。
:::info
在當 `re.match()` 或 `re.search()` 成功匹配時，會回傳 `match` 物件，這物件會提供三個方法來取得匹配資訊：
1. `match.group()`：以字串形式回傳匹配到的內容。
2. `match.start()`：回傳匹配內容在字串中的起始位置（索引值）。
3. `match.end()`：回傳匹配內容的結束位置（最後一個字元的索引 + 1）。
:::
```python=
import re
text = "Hello, world!"
pattern = r'^Hello'
# 檢查字串是否以 "Hello" 開頭
match = re.match(pattern, text)
if match:
print("字串以 'Hello' 開頭")
print("匹配內容:", match.group()) # Hello
else:
print("不匹配")
```
Output：
```
字串以 'Hello' 開頭
匹配內容: Hello
```
### 2. `re.search()` 範例
```python=
import re
text = 'Hello World!, this is my first program for Python!'
m = re.search(r'Python', text)
if m:
print('找到:', m.group()) # 找到: Python
print('起始位置:', m.start()) # 起始位置: 43
print('結束位置:', m.end()) # 結束位置: 49
else:
print('未找到')
```
Output：
```
找到: Python
起始位置: 43
結束位置: 49
```
### 3. `re.findall()` 範例
`\d` 表示任何一個數字字元，同 `[0-9]` 就是 0 到 9 的意思。
而 `\d` 再加上一個 `+`，表示前面的 pattern 至少要出現 1 次以上。
`\d+` 整句話翻譯過來的話就是 0 到 9 的數字至少要出現 1 次以上。
`re.findall()` 方法會回傳一個匹配到的字串列表。
```python=
import re
string = "My phone number is 0987654321, and my friend's phone number is 0912345678"
regex = r'\d+'
matches = re.findall(regex, string)
print(matches) # ['0987654321', '0912345678']
```
Output：
```
['0987654321', '0912345678']
```
### 4. `re.sub()` 範例
sub 是取自 substitute 的縮寫，表示把字串交換，如下範例所示，將 Python 替換成 C++ 字串。
```python=
import re
text = "I like Python because Python is so powered."
result = re.sub(r'Python', 'C++', text)
print(result) # I like C++ because C++ is so powered.
```
Output：
```
I like C++ because C++ is so powered.
```
那 `re.sub()` 還有他的親姊妹叫做 `re.subn()`，兩者用法完全一樣，只差在 `re.subn()` 回傳一個元組，前面是替換完成的字串，後面是替換的次數，沿用上述範例：
```python=
import re
text = "I like Python because Python is so powered."
result = re.subn(r'Python', 'C++', text)
print(result) # ('I like C++ because C++ is so powered.', 2)
```
Output：
```
('I like C++ because C++ is so powered.', 2)
```
### 5. `re.split()` 範例
`re.split()` 根據匹配到的 pattern 來分割字串。
以下範例展示了將 `,;:` 的 pattern 分割字串，達到如內建方法 `.split()` 一樣的事情。但差別在於內建的 `.split()` 只能找到一種 pattern 而已。
```python=
import re
text = "apple,banana;orange:grape"
result = re.split(r'[,;:]', text)
print(result) # ['apple', 'banana', 'orange', 'grape']
```
Output：
```
['apple', 'banana', 'orange', 'grape']
```
## 字元類別、特殊字元序列、量詞、錨點的一些例子
前面說明過了一些使用的方法，那麼就可以來講一些特殊的例子來玩玩看了。
`[^0-9]` 除了 0 到 9 以外的字元：
```python=
import re
print(re.findall(r'[^0-9]', "abc123")) # ['a', 'b', 'c']
```
Output：
```
['a', 'b', 'c']
```
`\w+` 匹配任何字母、數字或底線：
```python=
import re
print(re.findall(r'\w+', "他說了 *** 在某種語言中")) # ['他說了', '在某種語言中']
```
Output：
```
['他說了', '在某種語言中']
```
`*`、`?`、`{n, m}` 範例：
```python=
import re
# * 匹配 0 個或多個 'b'
print(re.findall(r'ab*', "a ab abb abbb")) # ['a', 'ab', 'abb', 'abbb']
# ? 匹配前面的字元 0 次或 1 次
print(re.findall(r'colou?r', "color and colour")) # ['color', 'colour']
# {n,m} 匹配 2 到 4 個數字
print(re.findall(r'\d{2,4}', "1 22 333 4444 55555")) # ['22', '333', '4444', '5555']
```
Output：
```
['a', 'ab', 'abb', 'abbb']
['color', 'colour']
['22', '333', '4444', '5555']
```
`$`、`\b` 範例：
```python=
import re
# $ 匹配 Hello World 字串結尾
print(re.search(r'World$', "Hello World")) # <re.Match object; span=(6, 11), match='World'>
print(re.search(r'Hello$', "Hello World")) # None
# \b 匹配單詞邊界
text = "cat cats caterpillar"
print(re.findall(r'\bcat\b', text)) # ['cat']
print(re.findall(r'cat', text)) # ['cat', 'cat', 'cat']
```
## 一些小應用
### 1. 電子郵件驗證
```python=
import re
def validate_email(email):
pattern = r'^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$'
if re.match(pattern, email):
return True
return False
print(validate_email("user@example.com")) # True
print(validate_email("invalid.email")) # False
print(validate_email("user@domain.co.uk")) # True
```
### 2. 電話號碼擷取
```python=
import re
text = """
Contact Information:
Office phone number: 02-1234-5678
phone number: 0912-345-678
home phone number: (02)8765-4321
"""
# 台灣電話號碼格式
patterns = [
r'\d{2}-\d{4}-\d{4}', # 02-1234-5678
r'\d{4}-\d{3}-\d{3}', # 0912-345-678
r'\(\d{2}\)\d{4}-\d{4}' # (02)8765-4321
]
for pattern in patterns:
matches = re.findall(pattern, text)
print(f"找到: {matches}")
```
Output：
```
找到: ['02-1234-5678']
找到: ['0912-345-678']
找到: ['(02)8765-4321']
```
### 3. 資料擷取
```python=
import re
# 從網頁內容擷取所有連結
html_content = """
<a href="https://example.com">範例</a>
<a href="https://test.com">測試</a>
<a href="/local/path">本地連結</a>
"""
urls = re.findall(r'href=["\']([^"\']+)["\']', html_content)
print(urls) # ['https://example.com', 'https://test.com', '/local/path']
# 擷取價格資訊
text = "商品 A: $1,299 元，商品 B: $599 元，商品 C: $2,999 元"
prices = re.findall(r'\$[\d,]+', text)
print(prices) # ['$1,299', '$599', '$2,999']
```
Output：
```
['https://example.com', 'https://test.com', '/local/path']
['$1,299', '$599', '$2,999']
```
### 4. 密碼強度驗證
```python=
import re
def check_password_strength(password):
# 至少 8 個字元
if len(password) < 8:
return False, "密碼長度至少需要 8 個字元"
# 至少包含一個大寫字母
if not re.search(r'[A-Z]', password):
return False, "至少需要一個大寫字母"
# 至少包含一個小寫字母
if not re.search(r'[a-z]', password):
return False, "至少需要一個小寫字母"
# 至少包含一個數字
if not re.search(r'\d', password):
return False, "至少需要一個數字"
# 至少包含一個特殊字元
if not re.search(r'[!@#$%^&*(),.?":{}|<>]', password):
return False, "至少需要一個特殊字元"
return True, "密碼強度良好"
print(check_password_strength("weak")) # False, 不符合要求
print(check_password_strength("Strong123!")) # True, 密碼強度良好
```
Output：
```
(False, '密碼長度至少需要 8 個字元')
(True, '密碼強度良好')
```
## Regex 線上除錯工具
網路上隨便找就有了，這邊推薦兩個網站：
- regex101.com
- regexr.com
輸入自己的 Regex 就可以在他的測試文件裡面知道哪些資料是被篩選的。
當在設計複雜的 Regex 的時候，就可以用這個試試看。
## 總結
基礎語法架構：
1. 字元類別：`[abc]`、`[a-z]`、`[0-9]` 等用於匹配指定集合中的字元。
2. 特殊字元序列：`\d`（數字）、`\w`（字母數字底線）、`\s`（空白字元）。
3. 量詞：`*`（0次或多次）、`+`（1次或多次）、`?`（0次或1次）、`{n,m}` 控制出現次數。
4. 錨點：`^`（字串開頭）、`$`（字串結尾）、`\b`（單詞邊界）等定位符號。
常用方法表：
| 方法 | 語法 | 說明 | 回傳值 |
| :-- | :-- | :-- | :-- |
| `re.compile()` | `re.compile(pattern, flags=0)` | 將正規表達式編譯成模式物件，可重複使用以提升效能 | Pattern 物件 |
| `re.match()` | `re.match(pattern, string, flags=0)` | 從字串**開頭**開始匹配，只檢查開頭是否符合模式 | Match 物件或 None |
| `re.search()` | `re.search(pattern, string, flags=0)` | 掃描整個字串，尋找**第一個**符合模式的位置 | Match 物件或 None |
| `re.findall()` | `re.findall(pattern, string, flags=0)` | 找出**所有**不重疊的匹配結果 | 包含所有匹配字串的列表 |
| `re.finditer()` | `re.finditer(pattern, string, flags=0)` | 找出所有匹配結果，以迭代器形式回傳 | Match 物件的迭代器 |
| `re.sub()` | `re.sub(pattern, repl, string, count=0, flags=0)` | 將所有符合模式的部分替換成指定字串，count 可限制替換次數 | 替換後的新字串 |
| `re.subn()` | `re.subn(pattern, repl, string, count=0, flags=0)` | 與 `re.sub()` 類似，但會回傳替換次數 | (新字串, 替換次數) 的元組 |
| `re.split()` | `re.split(pattern, string, maxsplit=0, flags=0)` | 根據符合的模式分割字串，maxsplit 可限制分割次數 | 分割後的字串列表 |
| `re.fullmatch()` | `re.fullmatch(pattern, string, flags=0)` | 檢查**整個字串**是否完全符合模式 | Match 物件或 None |
## 參考資料
[Regular Expression HOWTO — Python 3.14.0 documentation](https://docs.python.org/3/howto/regex.html)
[Python RegEx - GeeksforGeeks](https://www.geeksforgeeks.org/python/regular-expression-python-examples/)
[Python 規則運算式 | Python Education | Google for Developers](https://developers.google.com/edu/python/regular-expressions?hl=zh-tw)
[Python RegEx](https://www.w3schools.com/python/python_regex.asp)
[Mastering Python RegEx: A Deep Dive into Pattern Matching - StrataScratch](https://www.stratascratch.com/blog/mastering-python-regex-a-deep-dive-into-pattern-matching/)
[使用正規表達式 re - Python 教學 | STEAM 教育學習網](https://steam.oxxostudio.tw/category/python/library/re.html)
Sign in with Wallet
Connect another wallet