RegEx 應該是每一個程式語言裡必學的項目了，因為太實用！
Python RegEx
https://www.w3schools.com/python/python_regex.asp
Python/Regular Expression
https://zh.wikibooks.org/zh-tw/Python/Regular_Expression
補充說明：
程式語言：Python
Package：re
re 官方文件
功能：處理匹配字串
範例：
import re
re.search(pattern, string)
語法
'.'
- 匹配除「\n」之外的任何單個字符
- 例： a.c 匹配 abc1234 => abc
'^'
- 匹配輸入字串的開始位置
- 設定 RegExp 物件的 Multiline 屬性，可匹配「\n」或「\r」之後的位置
- 例： ^ab 匹配 abc1234 => ab
'$'
- 匹配輸入字串的結束位置
- 設定 RegExp 物件的 Multiline 屬性，可匹配「\n」或「\r」之前的位置
- 例： 34$ 匹配 abc1234 => 34
- ‘ test ’ 可以匹配‘ test ’和‘ testtool ’，但‘ test$ ’只能匹配‘ test ’。
'*'
- 匹配至少零次
- 例： ac* 匹配 abc1234 => a
'+'
- 匹配至少一次
- 例： ab.+ 匹配 abc1234 => abc1234
'?'
- 匹配零次或一次
- 例： ab? 匹配 abc1234 => ab
'*?' '+?' '??'
- 匹配模式是 non-greedy，符合的最少字串，預設為 greedy
- 可用在（*，+，?，{n}，{n,}，{n,m}）後面
- 例： a+? 匹配 aaaaa => a
- <*> 会匹配'<H1>title</H1>’整个字符串（贪婪匹配），使用 *? 可以只找出 <H1>（非贪婪匹配）
{m}
- 匹配 m 次
- 例： a{3} 匹配 aaaaa => aaa
{m,n}
- 匹配次數介於 m & n 之間，省略 n 表示無限次
- 例： a{1,3} 匹配 aaaaa => aaa
'\'
- 使用限制字元
- 例： a\+ 匹配 a+aaaa => a+
[]
- 匹配字元集合
- – 表示從某字元到某字元，例：[a-z]
- ^ 表示排除字元，例：[^a-z]，需放置最前面，不然當作字元 ‘^’
- 例： [a\-z]b 匹配 a-baaa => -b
'|'
- 或
- 例： (a|b)aa 匹配 a-baaa => baa
(...)
- 取得匹配的子字串，並放進 group
- 例： (a|b)aa 匹配 a-baaa => baa, \1 = b (match.group(0) = baa, match.group(1) = b)
(?aiLmsux)
- 指定匹配方式
- (?a) 讓 \w, \W, \b, \B, \d, \D, \s and \S 只依 ASCII 匹配
- (?i) 忽略大小寫
- (?L) 讓 \w, \W, \b, \B, \s and \S 依本地字符編碼 (Python 3.6 已被移除)
- (?m) ^ $ 匹配不同行的頭和尾
- (?s) ‘.’ 匹配全部，包括 \n
- (?u) unicode 匹配 (Python 3 已移除，預設已為 unicode 匹配)
- (?x) 忽略空白字符，且可以用 # 當作註解，可多行建立 pattern，利用 “””abc string”””
- 例： (?x)t es #測試 匹配 test => tes
- 可同時使用，例：(?imx)^aa 匹配 a-bA\n#AA => None 因 AA 被註解
(?:...)
- 不取得匹配的子字串
- 例： (?:a|b|c)1 匹配 abc1234 => c1
(?P<name>)
- 增加別名
- 例： (?P<aa>a|b|c)1 匹配 abc1234 => c1, group(‘aa’) = c
(?P=name)
- 與別名的字串匹配
- 例： (?P<aa>a|b|c)1234(?P=aa) 匹配 abc1234c => c1234c
(?#...)
- 註解
- 例： (?P:a|b|c)(?#comment)1234 匹配 abc1234 => c1234
(?=...)
- 之後的字串需匹配，但不消耗字串且不放進 group
- 例： abc(?=1234)123 匹配 abc1234 => abc123
(?!...)
- 之後的字串需不匹配，但不消耗字串且不放進 group
- 例： ab(?!\d).123 匹配 abc1234 => abc123
(?<=...)
- 之前的字串需匹配，但不消耗字串且不放進 group
- 例： c(?<=abc)123 匹配 abc1234 => c123
(?<!...)
- 之前的字串需不匹配，但不消耗字串且不放進 group
- 例： (?<!\d)c123 匹配 abc1234 => c123
(?(id/name)yes-pattern|no-pattern)
- 若子字串匹配成立，則為 yes-pattern 否則為 no-pattern (可省略)
- 例： (\d)?abc(?(1)\d|) 匹配 1abc1 或 abc 或 1abc 或 abc1
\A
- 匹配輸入字串的開始位置，不受 Multiline 影響
- 例： (?m)\Aabc 匹配 de\nabc => None
\b
- 匹配單詞的開頭或結尾，也就是單詞的分界處
- \b 在字符類裡使用代表退格，故建議使用 r’string’ 或 \\
- 例： \\bhi\\b.* 匹配 history, hi a => hi a
\B
- 匹配不是單詞開頭或結束的位置
- 例： \B1234\B. 匹配 1234a1234c => 1234c
\d
- 匹配數字 unicode 包括全部數字，在 (?a) 下同 [0-9]
- unicode 數字
- 例： 1\d 匹配 1234 => 12
\D
- 匹配非數字 unicode 包括全部數字，在 (?a) 下同 [^0-9]
- unicode 數字
- 例： a\D 匹配 abc => ab
\s
- 匹配空白字符 unicode 包括全部空白字符，在 (?a) 下同 [ \t\n\r\f\v]
- unicode 空白字符
- 例： a\s 匹配 a\nbc => a\n
\S
- 匹配非空白字符 unicode 包括全部空白字符，在 (?a) 下同 [^ \t\n\r\f\v]
- unicode 空白字符
- 例： b\S 匹配 a\nbc => bc
\w
- 匹配 word， unicode 包括全部 word，在 (?a) 下同 [a-zA-Z0-9_]
- 例： b\w 匹配 a\nbc => bc
\W
- 匹配非 word， unicode 包括全部 word，在 (?a) 下同 [^a-zA-Z0-9_]
- 例： a\W 匹配 a\nbc => a\n
\Z
- 匹配輸入字串的結尾位置，不受 Multiline 影響
- 例： (?m)de\Z 匹配 de\nabc => None
Python re 的主要功能
Python 的 re 正则表达式模块定义了一系列函数，常量以及异常；同时，正则表达式被编译成‘ RegexObject ’实例，本身可以为不同的操作提供方法。接下来简要介绍一下这些函数的功能和用法。
compile
re.compile(pattern[, flags])
把正则表达式的模式和标识转化成正则表达式对象，供 match() 和 search() 这两个函数使用。
re 所定义的 flag 包括：
re.I 忽略大小写
re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
re.M 多行模式
re.S 即为’ . ’并且包括换行符在内的任意字符（’ . ’不包括换行符）
re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
re.X 为了增加可读性，忽略空格和’ # ’后面的注释
例：以下两种用法结果相同：
A)
| 1 2 | compiled_pattern = re.compile(pattern) result = compiled_pattern.match(string) |
B)
| 1 | result = re.match(pattern, string) |
search
re.search(pattern, string[, flags])
在字符串中查找匹配正则表达式模式的位置，返回 MatchObject 的实例，如果没有找到匹配的位置，则返回 None。
对于已编译的正则表达式对象来说（re.RegexObject），有以下 search 的方法：
search (string[, pos[, endpos]])
若 regex 是已编译好的正则表达式对象，regex.search(string, 0, 50) 等同于 regex.search(string[:50], 0)。
具体示例如下。
| 1 2 3 | >>> pattern = re.compile("a") >>> pattern.search("abcde") # Match at index 0 >>> pattern.search("abcde", 1) # No match; |
match
re.match(pattern, string[, flags])
判断 pattern 是否在字符串开头位置匹配。对于 RegexObject，有：
match(string[, pos[, endpos]])
match() 函数只在字符串的开始位置尝试匹配正则表达式，也就是只报告从位置 0 开始的匹配情况，而 search() 函数是扫描整个字符串来查找匹配。如果想要搜索整个字符串来寻找匹配，应当用 search()。
split
re.split(pattern, string[, maxsplit=0, flags=0])
此功能很常用，可以将将字符串匹配正则表达式的部分割开并返回一个列表。对 RegexObject，有函数：
split(string[, maxsplit=0])
例如，利用上面章节中介绍的语法：
| 1 2 3 4 5 6 | >>> re.split('\W+', 'test, test, test.') ['test', 'test', 'test', ''] >>> re.split('(\W+)', ' test, test, test.') [' test ', ', ', ' test ', ', ', ' test ', '.', ''] >>> re.split('\W+', ' test, test, test.', 1) [' test ', ' test, test.'] |
对于一个找不到匹配的字符串而言，split 不会对其作出分割，如：
| 1 2 | >>> re.split('a*', 'hello world') ['hello world'] |
findall
re.findall(pattern, string[, flags])
在字符串中找到正则表达式所匹配的所有子串，并组成一个列表返回。同样 RegexObject 有：
findall(string[, pos[, endpos]])
示例如下：
| 1 2 | #get all content enclosed with [], and return a list >>> return_list = re.findall("(\[.*?\])",string) |
finditer
re.finditer(pattern, string[, flags])
和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并组成一个迭代器返回。同样 RegexObject 有：
finditer(string[, pos[, endpos]])
sub
re.sub(pattern, repl, string[, count, flags])
在字符串 string 中找到匹配正则表达式 pattern 的所有子串，用另一个字符串 repl 进行替换。如果没有找到匹配 pattern 的串，则返回未被修改的 string。Repl 既可以是字符串也可以是一个函数。对于 RegexObject 有：
sub(repl, string[, count=0])
此语法的示例有：
| 1 2 3 | >>> p = re.compile( '(one|two|three)') >>> p.sub( 'num', 'one word two words three words') 'num word num words num words' |
同样可以用以下方法，并指定 count 为 1（只替换第一个）：
>>> p.sub( ‘num’, ‘ one word two words three words’, count=1)
‘ num word two words three words’
subn
re.subn(pattern, repl, string[, count, flags])
该函数的功能和 sub() 相同，但它还返回新的字符串以及替换的次数。同样 RegexObject 有：
subn(repl, string[, count=0])