Python 的 re 模組提供強大的正規表示式功能，能有效處理字串操作、資料驗證及網頁爬蟲等任務。正規表示式讓開發者能以彈性方式定義搜尋模式，精準匹配目標字串。透過本文提供的程式碼範例與正規表示式符號解析，讀者可快速上手，並應用於實際開發場景。不同於字串方法的逐字比對，正規表示式提供更進階的模式匹配，能處理更複雜的搜尋與驗證需求，提升程式碼的效率與可讀性。
使用正規表示式進行文字搜尋
問題描述
當您需要在文字中進行複雜的搜尋，尋找特定的模式或字串時，如何使用Python的正規表示式功能來實作這一需求。
解決方案
Python的re模組提供了強大的正規表示式功能，允許您定義和搜尋文字中的模式。以下是一個簡單的例子，展示如何使用正規表示式搜尋文字中的特定字串：
import re
text = "looking forward to finding the word for"
pattern = r"(^|\s)for($|\s)"
match = re.search(pattern, text)
if match:
print(match.span())
討論
在這個例子中，我們使用re.search()函式搜尋文字中匹配指定模式的字串。模式(^|\s)for($|\s)表示搜尋字串「for」，它可以出現在文字的開頭、結尾或被空白字元包圍。
視覺化圖表
flowchart TD
A[文字] --> B[定義模式]
B --> C[搜尋匹配]
C --> D[傳回匹配結果]
圖表翻譯
此圖表展示了使用正規表示式搜尋文字的過程。首先，我們有原始文字（A），然後我們定義要搜尋的模式（B）。接下來，使用re.search()函式進行搜尋（C），最後傳回匹配結果（D）。
程式碼解釋
內容解密
在上述程式碼中，re.search()函式傳回一個匹配物件，如果找到匹配的字串，否則傳回None。我們使用if陳述式檢查是否找到匹配，如果找到，則列印匹配的起始和結束位置。
使用正規表示式進行字串搜尋
正規表示式（Regular Expression）是一種強大的工具，能夠幫助我們在字串中搜尋特定的模式。下面，我們將探討如何使用正規表示式來搜尋字串中的特定單詞。
基本概念
首先，我們需要匯入正規表示式模組（re）。然後，我們定義了一個變數 text，其中包含了我們要搜尋的字串。接下來，我們使用 search 函式來搜尋字串中特定的模式。這個模式被定義為一個正規表示式。
正規表示式解析
讓我們仔細看看這個正規表示式：(^|\s)for($|\s)。在這個表示式中，for 是我們要搜尋的單詞。兩邊的括號內包含了特殊的符號，用於指定搜尋的條件。
(^|\s)：這部分表示「開始」或「空白字元」。其中，^代表字串的開始，|代表「或」，而\s代表任何空白字元（包括空格和製表符）。這確保了for不會作為其他單詞的一部分被匹配。for：這是我們要搜尋的單詞。($|\s)：這部分表示「結尾」或「空白字元」。其中，$代表字串的結尾。這確保了for要麼出現在字串的結尾，要麼後面跟著空白字元。
常見正規表示式符號
下面列出了常見的正規表示式符號：
| 符號 | 含義 |
|---|---|
. | 匹配任何單個字元 |
^ | 匹配字串的開始 |
$ | 匹配字串的結尾 |
\d | 匹配任何數字 |
\s | 匹配任何空白字元 |
\w | 匹配任何字母或數字 |
* | 匹配前面字元零次或多次 |
+ | 匹配前面字元一次或多次 |
[] | 匹配括號內的任何字元 |
練習和測試
要熟悉正規表示式，最好的方法是使用線上的正規表示式測試工具。這些工具允許你輸入正規表示式和測試字串，然後顯示匹配結果。透過實際操作和測試，你可以更好地理解正規表示式的工作原理，並學習如何建構複雜的搜尋模式。
使用正規表示式進行資料驗證
在處理使用者輸入的資料時，驗證其格式和內容是一個非常重要的步驟。例如，當使用者輸入電子郵件地址時，我們需要確保它符合標準的電子郵件地址格式。這就是正規表示式（Regular Expression）發揮作用的地方。
問題描述
假設我們想要驗證使用者輸入的電子郵件地址是否有效。為了達到這個目的，我們可以使用正規表示式來定義電子郵件地址的格式，並檢查使用者的輸入是否符合這個格式。
解決方案
Python 的 re 模組提供了強大的正規表示式功能。以下是一個簡單的範例，展示如何使用正規表示式來驗證電子郵件地址：
import re
# 定義電子郵件地址的正規表示式
regex = r'^[\w_\.+-]+@[\w_\.-]+\.[\w_-]+$'
while True:
# 提示使用者輸入電子郵件地址
text = input("請輸入電子郵件地址：")
# 使用正規表示式檢查輸入的電子郵件地址
if re.search(regex, text):
print("有效的電子郵件地址")
else:
print("無效的電子郵件地址")
討論
在上面的範例中，我們定義了一個正規表示式 regex 來匹配電子郵件地址的格式。這個正規表示式由幾部分組成：
^表示字串的開始。[\w_\.+-]+匹配一個或多個字元，包括字母、數字、下劃線、點、加號和減號。@匹配@符號。[\w_\.-]+匹配一個或多個字元，包括字母、數字、下劃線、點和減號。\.匹配點符號。[\w_-]+匹配一個或多個字元，包括字母、數字、下劃線和減號。$表示字串的結束。
當使用者輸入電子郵件地址時，我們使用 re.search() 函式來檢查輸入的字串是否匹配這個正規表示式。如果匹配，則印出 “有效的電子郵件地址”；否則，印出 “無效的電子郵件地址”。
使用正規表示式進行網頁爬蟲
問題描述
您想要撰寫一個 Python 程式，自動從網頁中擷取（爬蟲）資訊。
解決方案
使用正規表示式來匹配網頁 HTML 中的文字。正規表示式對於網頁爬蟲非常有用。網頁爬蟲意味著自動讀取網頁 HTML 中的內容。例如，如果您想要一個 Python 程式自動取得某本文在 Amazon 的排名，您需要能夠從 Amazon 的銷售排名中抓取數字（如圖 7-5 所示）。
步驟解釋
- 檢視網頁原始碼：在瀏覽器中檢視網頁的原始碼，找到相關的 HTML 碎片。
- 使用正規表示式測試工具：使用線上正規表示式測試工具，測試能夠匹配目標文字的正規表示式。
- 撰寫 Python 程式：使用
re和urllib.request模組，讀取網頁內容並使用正規表示式匹配目標文字。
範例程式碼
import re
import urllib.request
# 定義正規表示式
regex = '#([\d,]+) in Books'
# 定義網址
url = 'https://www.amazon.com/dp/1492043222/'
# 讀取網頁內容
text = urllib.request.urlopen(url).read().decode('utf-8')
# 匹配目標文字
match = re.search(regex, text)
# 列印結果
print("The Amazon rank is.....")
print(match.group())
討論
許多網站提供 API（請參考 Recipe 7.21）。如果您想要爬蟲的資訊可以透過 API 取得，那麼使用 API 是更好的方法，因為網頁爬蟲非常依賴於網頁的外觀和文字，這意味著如果網站改版，您可能需要重新設計正規表示式。
相關資源
- 若要讀取網頁內容，請參考 Recipe 7.13。
- 若要了解正規表示式基礎，請參考 Recipe 7.23。
從技術架構視角來看，Python 的 re 模組提供了一套完整且強大的正規表示式引擎，能有效處理複雜的字串匹配和操作需求，從簡單的字串搜尋到資料驗證、網頁爬蟲等應用場景都能發揮作用。分析其核心功能，re.search()、re.match()、re.findall() 等函式提供了多樣化的匹配策略，搭配特殊字元和量詞的使用，能精準定位目標字串。然而，正規表示式的撰寫和除錯並非易事，過於複雜的表示式可能影響可讀性和維護性，也可能導致效能問題。對於初學者，建議從簡單的模式開始練習，並善用線上正規表示式測試工具輔助開發。展望未來，隨著自然語言處理技術的發展，根據機器學習的字串處理方法可能會逐漸成熟，但在可預見的未來，正規表示式仍將是字串處理領域不可或缺的重要工具。對於追求程式碼簡潔和效能的開發者，深入理解和掌握正規表示式仍是提升程式碼品質的關鍵。
