正則表示式是程式語言中一種重要的功能，用於按指定規則從文字中匹配出指定的值。

正則表示式元字元

re.findall()

例如，有一段文字'name: Kevin age: 18 mobile: 12112345678' ，我們想提取其中的手機號。
已知，手機號碼是11位的數字，我們可以用正則表達的指定格式\d{11}來描述這個規則，\d表示匹配數字，{11}表示前一項重複11次，示例如下：

import re

txt = 'name: Kevin age: 18 mobile: 12112345678' 
patten = '\d{11}'  # 匹配11個數字
print(re.findall(patten, txt))

re.findall()方法，根據匹配規則去目標文字中查詢，將找到的所有符合這個格式的組合位一個列表，如果沒有符合匹配的項則返回空列表。執行結果如下：

['12112345678']

re.search()

除使用re.findall()找到所有的外，我們還可以使用re.search()查詢一個，示例如下：

import re

txt = 'name: Kevin age: 18 mobile: 12112345678'
patten = '\d{11}'  # 匹配11個數字

result = re.search(patten, txt)
if result is not None:  # 必須判斷匹配結果不為None才能使用下面的group方法
    print(result.group())  # 使用group方法獲取第一個匹配結果

執行結果如下：

12112345678

re.match()

re.search()是搜尋目標字串的部分項，我們還可以使用re.match對整個字串形式進行匹配，示例如下：

import re

txt = 'name: Kevin age: 18 mobile: 12112345678'

# 符合目標文字完整樣式的匹配規則 
patten = 'name: \w+ age: \d+ mobile: \d{11}'  

result = re.match(patten, txt)
if result is not None:  # 必須判斷匹配結果不為None才能使用下面的group方法
    print(result.group())  # 使用group方法獲取第一個匹配結果

其中，\w指字母或數字，+表示一個或多個前一項，即姓名匹配一個或任意多個字母或數字。
年齡 \d+則匹配一個或多個數字。
手機號碼\d{}11固定匹配11位數字。執行結果如下：

name: Kevin age: 18 mobile: 12112345678

分組及命名分組

上例中如果我們相對匹配的不同資訊進行提取，如我們只需要姓名Kevin、年齡18及手機號12112345678。則可以對匹配表示式中用小括號(匹配規則)進行分組，示例如下：

import re

txt = 'name: Kevin age: 18 mobile: 12112345678'

patten = 'name: (\w+) age: (\d+) mobile: (\d{11})'  # 分組匹配

result = re.match(patten, txt)
if result is not None:  # 必須判斷匹配結果不為None才能使用下面的group方法
    print('姓名', result.group(1))  # 獲取第1個匹配
    print('年齡', result.group(2))  # 獲取第2個匹配
    print('手機號', result.group(3))  # 獲取第3個匹配

執行結果如下：

姓名 Kevin
年齡 18
手機號 12112345678

當有多個匹配時，我們還可以對分組進行命名，格式為(?P<分組名>匹配規則)，示例如下：

import re

txt = 'name: Kevin age: 18 mobile: 12112345678'

patten = 'name: (?P<name>\w+) age: (?P<age>\d+) mobile: (?P<mobile>\d{11})'  # 分組匹配

result = re.match(patten, txt)
if result is not None:  # 必須判斷匹配結果不為None才能使用下面的group方法
    print('姓名', result.group('name'))  # 獲取第1個匹配
    print('年齡', result.group('age'))  # 獲取第2個匹配
    print('手機號', result.group('mobile'))  # 獲取第3個匹配

執行結果同上。

re.complie()

當一個匹配規則patten經常要使用時，我們可以使用re.comple()先將該規則進行編譯，然後直接使用編譯後的規則進行匹配。示例如下：

import re

txt = 'name: Kevin age: 18 mobile: 12112345678'

patten = re.compile('name: (?P<name>\w+) age: (?P<age>\d+) mobile: (?P<mobile>\d{11})')  # 編譯匹配規則

result = patten.match(txt)  # 使用該匹配規則進行匹配

if result is not None:  # 必須判斷匹配結果不為None才能使用下面的group方法
    print('姓名', result.group('name'))  # 獲取第1個匹配
    print('年齡', result.group('age'))  # 獲取第2個匹配
    print('手機號', result.group('mobile'))  # 獲取第3個匹配

執行結果同上。

re.sub

替換指定規則字串，字串的replace()方法只能對已知字串進行替換，而re.sub則可以根據匹配規則進行替換。示例如下：

import re

txt = 'name: Kevin age: 18 mobile: 12112345678'  
patten = '\d{11}'
txt = re.sub(patten, '19122229999', txt)  # 替換裡面的11位數字
print(txt)

執行結果如下：

name: Kevin age: 18 mobile: 19122229999

跨行匹配

• re.M：多行匹配模式，逐行進行匹配
• re.S: 單行匹配模式，把多行字串視為包含換行符'\n'的單行字串進行匹配

貪婪匹配和非貪婪匹配

貪婪匹配和非貪婪匹配，當一個較長的字串滿足匹配規則和一個較短的字串也滿足相同的匹配規則時選取較長匹配還是較短匹配的問題。

• 貪婪匹配：匹配符合規則的最長字串；
• 非貪婪匹配：匹配符合規則的最短字串；

import re

txt = '''name: Kevin age: 18 mobile: 12112345678 name: Lily age: 17 mobile: 19234568712'''

patten = 'name: (.*) age'  # 匹配姓名，預設貪婪匹配
print('預設貪婪匹配', re.findall(patten, txt))

patten = 'name: (.*?) age'  # 加上?表示非貪婪匹配
print('非貪婪匹配', re.findall(patten, txt))

其中.表示匹配任意字元，*表示重複任意多次，?則表示匹配0次或1次。
由於貪婪匹配會匹配最長的字串，所以patten中的age會匹配到Lily後到age，執行結果如下：

 預設貪婪匹配 ['Kevin age: 18 mobile: 12112345678 name: Lily']
 非貪婪匹配 ['Kevin', 'Lily']

                            |