# 正規表達式(python)

## 基本符號
符號 | 意義 | 用法
------ |----------------------------------------------- |------------
. | 換行以外的任何字元 | .
? | 符合0次或1次，或者比對最少的就停止。 | a?
\* | 符合0次或多次，或者盡可能比對最多。 | a*
\+ | 符合1次或多次。 | a+
[] | 自訂比對格式。左側中括號加上^表示[]內的除外。 | [abc] [^abc]
{} | 指定比對的次數。 | a{1,5} a{1,} a{,5}
() | 將規則分組。 | (abc)
^ | 表示開頭。 | ^abc
$ | 表示結尾。 | abc$
\d | 從0到9的數字，大寫D表示\d除外 | \d \D
\w | 任何的字母、數字及底線符號_，大寫W表示\w除外 | \w \W
\s | 空白字元，包括空格、(tab)、換行符號，大寫S表示\s除外 | \s \S

## 使用正規表達式
python的用法需要引入一個re模組

import re

使用compile建立物件正規表達式物件，表達式:

Regex = re.compile(r'\d{2}-\d{4}-\d{4}')

字串前加上r的意思是保留原始字串，避免與python其他功能衝突，例如跳脫字元

Regex物件可以用幾個函式來做不同的搜尋:

方法 | 功能
---------|------
match | 尋找必須是開頭的字串(相當於正規表達式開頭加上^)
search | 尋找第一個符合的字串
findall | 尋找所有符合的字串
finditer | 尋找所有符合的字串

findall會把找到的值以串列方式回傳，沒找到則返回空串列
match、search、finditer是回傳物件，沒找到則返回none，要以以下方法取值:
方法 | 功能
---------|------
gruop | 找到的值
span | 找到值的起始位置與結束位置(回傳數組)
start | 找到值的起始位置
end | 找到值的結束位置

### 使用search

Regex = re.compile(r'\d{2}-\d{4}-\d{4}')

str = "Please call David at 02-8888-1688 by today.\r\n02-9888-9898 is his office number."

result = Regex.search(str)
print("group():",result.group())
print("span():",result.span())
print("start():",result.start())
print("end():",result.end())

輸出:

### 使用match

Regex = re.compile(r'\d{2}-\d{4}-\d{4}')

str = "Please call David at 02-8888-1688 by today.\r\n02-9888-9898 is his office number."

result = Regex.match(str)
print(result)

輸出:

Regex = re.compile(r'\d{2}-\d{4}-\d{4}')

str = "02-9888-9898 is his office number."

result = Regex.match(str)
print(result)

輸出:

### 使用findall

Regex = re.compile(r'\d{2}-\d{4}-\d{4}')

str = "Please call David at 02-8888-1688 by today.\r\n02-9888-9898 is his office number."

result = Regex.findall(str)
print(result)

輸出:

### 使用finditer

Regex = re.compile(r'\d{2}-\d{4}-\d{4}')
str = "Please call David at 02-8888-1688 by today.\r\n02-9888-9898 is his office number."

result = Regex.finditer(str)
for match in result:
  print("group():",match.group())
  print("span():",match.span())
  print("start():",match.start())
  print("end():",match.end())
  print()

輸出:

## 練習
1. 判斷是否為台灣的電話[phone])
2. 判斷是否為台灣身份證字號(英文大寫字母+1 or 2+八個數字)
3. 判斷格式是否符合:1~3組數字，每組數字佔兩位，並以逗號分隔

## 進階

### 更多符號

符號 | 意義
:------ |:------
| | 可以比對多個規則，較前面的條件符合為比對結果
\A | 字串開頭，等同於^，但不受MULTILINE旗標影響
\Z | 字串結尾，等同於$，但不受MULTILINE旗標影響
\b | 表示單字邊界，即單字開頭與結尾

### 旗標

旗標 | 功能
------------- | --------
ASCII, A | 使用 ASCII 字符集
UNICODE, U | 使用 Unicode 字符集
DOTALL, S | .可以表示任何字元，包括換行字元
IGNORECASE, I | 忽略大小寫
LOCALE, L | 匹配 {\w \W \b \B} 跟本地語言相關。不推薦使用
MULTILINE, M | ^、$將換行作為字串開始與結尾
VERBOSE, X | 忽略各種空格以及以#開頭的註釋，這使得長匹配模式可以分行來寫，提高了 可讀性

#### 旗標範例
要使用旗標時將re."旗標名"寫到compile函數後面，並以逗號分隔
寫完整單字或是字母縮寫都可以

Regex = re.compile(r'[ABC]',re.IGNORECASE)
or
Regex = re.compile(r'[ABC]',re.I)

##### MULTILINE

Regex = re.compile(r'^\w+',re.M)

str = "Please call David at 02-8888-1688 by today.\r\n02-9888-9898 is his office number."

result = Regex.findall(str)
print(result)

輸出:

##### VERBOSE
下列以電子郵件的正規表達式示範
沒VERBOSE旗標:

Regex = re.compile(r"^([\w!#$%&'*+\-/=?^_`{|}~]+)(\.[\w!#$%&'*+\-/=?^_`{|}~]+)*@[\w-]+(\.[\w-]+)+$")

有VERBOSE旗標:

Regex = re.compile(r"""
                   ^
                   ([\w!#$%&'*+\-/=?^_`{|}~]+)    #第一個點前的字串
                   (\.[\w!#$%&'*+\-/=?^_`{|}~]+)* #任意組點加字串
                   @
                   [\w-]+                         #一組字串
                   (\.[\w-]+)+                    #至少一組點加字串
                   $
                   """,re.X))

### 分组
被()包括的內容就是一個組，有時候需要再尋找更細節的資料，就可以分組來取得細節

可以發現在原本的正規表達式中再加入了三組括號，分別將三組數字再個別分組，之後輸出在函數中加入參數取值
函數的參數(0)等同於()，就是完整正規表達式所找到的字串
甚至可以以逗號串接引數，將會返回一組數組

Regex = re.compile(r'(\d{2})-(\d{4})-(\d{4})')

str = "Please call David at 02-8888-1688 by today.\r\n02-9888-9898 is his office number."
result = Regex.search(str)
print(result.group(0),result.span(0))
print(result.group(1),result.span(1))
print(result.group(2),result.span(2))
print(result.group(3),result.span(3))
print(result.group(0,1,2,3))

輸出:

使用findall若正規表達式中有分組，則只輸出組的內容，想要完整字串只要全部再用括號包起來即可

Regex = re.compile(r'(\d{2})-(\d{4})-(\d{4})')

str = "Please call David at 02-8888-1688 by today.\r\n02-9888-9898 is his office number."
result = Regex.findall(str)
print(result)

輸出:
若不想在使用findall的時候搜尋到括號的內容，就在括號內的開頭加上?:

Regex = re.compile(r'((\d{2})-(\d{4})-(?:\d{4}))')

str = "Please call David at 02-8888-1688 by today.\r\n02-9888-9898 is his office number."
result = Regex.findall(str)
print(result)

輸出:

(? )這類型的用法還有很多例如:
1. a(?=b) a後面必須是b

Regex = re.compile(r'\d{4}(?=-1688)')
str = "Please call David at 02-8888-1688 by today.\r\n02-9888-9898 is his office number."
result = Regex.findall(str)
print(result)

輸出:
需要注意的是放在(?= )裡的條件不會出現在結果裡

2. a(?!b) a後面必須不是b

Regex = re.compile(r'\d{4}(?!-1688)')
str = "Please call David at 02-8888-1688 by today.\r\n02-9888-9898 is his office number."
result = Regex.findall(str)
print(result)

結果:

3. (?P\<first\>...) 把分組命名為first\

除了能做為group等函數的參數外，用groupdict函數還能做為key輸出成字典

Regex = re.compile(r'(?P<first>\d{2})-(?P<second>\d{4})-(?P<third>\d{4})')

str = "Please call David at 02-8888-1688 by today.\r\n02-9888-9898 is his office number."
result = Regex.search(str)
print("group()\t\t\t:",result.group())
print("group(\"first\")\t:",result.group("first"))
print("group(\"second\")\t:",result.group("second"))
print("group(\"third\")\t:",result.group("third"))
print("groupdict()\t\t:",result.groupdict())

輸出: