規則運算式是一種功能強大的語言，可用來比對文字模式。本頁將簡單介紹規則運算式本身，以便用於 Python 練習，並示範規則運算式在 Python 中如何運作。Python 的「re」模組支援規則運算式。
在 Python 中，規則運算式搜尋通常寫成：
match = re.search(pat, str)
re.search() 方法會使用規則運算式模式和字串，並在字串中搜尋該模式。如果搜尋成功，search() 會傳回比對物件，否則傳回 None。因此，搜尋通常會在隨後緊接著出現 if-statement 以測試搜尋是否成功，如以下範例所示，搜尋「word:」模式後接 3 個字母的字 (詳見下方說明)：
import re str = 'an example word:cat!!' match = re.search(r'word:\w\w\w', str) # If-statement after search() tests if it succeeded if match: print('found', match.group()) ## 'found word:cat' else: print('did not find')
程式碼 match = re.search(pat, str) 會將搜尋結果儲存在名為「match」的變數中。然後 if-statement 會測試比對結果。如果搜尋成功，則條件為 match.group() 就是相符的文字 (例如「word:cat」)。否則，如果比對結果為 False (無更明確)，表示搜尋並未成功，且沒有相符文字。
「r」就會在模式字串的開頭指定 Python 的「raw」字串，在沒有變更的情況下傳遞反斜線，這對規則運算式非常有用 (Java 不需要使用此功能！)。建議您一律使用「r」撰寫模式字串只是養成習慣
基本模式
規則運算式的功用在於可指定模式，而不只是固定字元。以下是符合單一字元的最基本格式：
- a、X、9、<-- 一般字元只會比對名稱本身。因為以下字元的涵義，所以不會與自己配對： 。^ $ * + ?{ [ ] \ |( ) (詳情如下)
- 。(半形句號) -- 比對新行「\n」以外的任何單一字元
- \w -- (小寫 w) 與 "word" 相符字元：字母或數字或底線 [a-zA-Z0-9_]。請注意，雖然「字詞」是序曲，它只會比對一個字詞字元，而非整個字詞。\W (大寫 W) 會比對任何非文字字元。
- \b -- 字詞和非字詞之間的邊界
- \s -- (小寫 s) 會比對單一空白字元 -- 空格、換行字元、返回、定位點、表單 [ \n\r\t\f]。\S (大寫 S) 會比對任何非空白字元。
- \t、\n、\r -- Tab、換行符號、Return
- \d -- 十進位數字 [0-9] (部分舊版規則運算式公用程式不支援 \d，但皆支援 \w 和 \s)
- ^ = start、$ = end -- 比對字串的開頭或結尾
- \ -- 禁止「特殊性」字元組合例如，請使用 \。如要比對半形句號，或 \\ 則可比對斜線。如果不確定字元是否具有特殊意義 (例如「@」)，請嘗試在符號前面加上斜線 (\@)。如果逸出序列無效 (例如 \c)，Python 程式就會暫停並顯示錯誤。
基本範例
笑話：三眼中是什麼叫豬？啊！
以下是在字串內搜尋模式的基本規則：
- 搜尋會從字串開始到結束，在找到第一個相符項目時停止
- 所有模式都必須相符，但不包括部分字串
- 如果
match = re.search(pat, str)成功，則比對並非「無」，且特定 match.group() 會包含相符文字。
## Search for pattern 'iii' in string 'piiig'. ## All of the pattern must match, but it may appear anywhere. ## On success, match.group() is matched text. match = re.search(r'iii', 'piiig') # found, match.group() == "iii" match = re.search(r'igs', 'piiig') # not found, match == None ## . = any char but \n match = re.search(r'..g', 'piiig') # found, match.group() == "iig" ## \d = digit char, \w = word char match = re.search(r'\d\d\d', 'p123g') # found, match.group() == "123" match = re.search(r'\w\w\w', '@@abcd!!') # found, match.group() == "abc"
重複
使用 + 和 * 在模式中指定重複項目，會變得更加有趣
- + -- 左側出現 1 次以上的模式，例如「i+」= 一或多個 i
- * -- 模式左側出現 0 次以上
- 嗎？-- 將模式左側比對 0 或 1 次
最左側 &最大
首先，搜尋會找出與模式最左側的相符項，再嘗試運用最多的字串，亦即「+」和「*」會盡可能拉高一點 (+ 和 * 都表示為「貪婪」)。
重複範例
## i+ = one or more i's, as many as possible. match = re.search(r'pi+', 'piiig') # found, match.group() == "piii" ## Finds the first/leftmost solution, and within it drives the + ## as far as possible (aka 'leftmost and largest'). ## In this example, note that it does not get to the second set of i's. match = re.search(r'i+', 'piigiiii') # found, match.group() == "ii" ## \s* = zero or more whitespace chars ## Here look for 3 digits, possibly separated by whitespace. match = re.search(r'\d\s*\d\s*\d', 'xx1 2 3xx') # found, match.group() == "1 2 3" match = re.search(r'\d\s*\d\s*\d', 'xx12 3xx') # found, match.group() == "12 3" match = re.search(r'\d\s*\d\s*\d', 'xx123xx') # found, match.group() == "123" ## ^ = matches the start of string, so this fails: match = re.search(r'^b\w+', 'foobar') # not found, match == None ## but without the ^ it succeeds: match = re.search(r'b\w+', 'foobar') # found, match.group() == "bar"
電子郵件範例
假設您要從「xyz alice-b@google.com purple monkey」字串中找到電子郵件地址。我們會透過這個實際範例來示範更多規則運算式功能。請嘗試使用 r'\w+@\w+' 模式：
str = 'purple alice-b@google.com monkey dishwasher' match = re.search(r'\w+@\w+', str) if match: print(match.group()) ## 'b@google'
在此情況下，搜尋並「找不到完整電子郵件地址」，因為 \w 與「-」並不相符或「.」網址。我們使用下方的規則運算式功能來修正這個問題。
方括號
用於表示一組字元，因此 [abc] 與「a」相符或「b」或「c」。\w 和 \s 等代碼位於方括號內，但是有一個例外：點 (.) 代表常值點。電子郵件問題時，使用方括號可輕鬆加上 '.'。和「-」這些字元集會顯示在 @ 前後，格式為「[\w.-]+@[\w.-]+」取得完整的電子郵件地址：
match = re.search(r'[\w.-]+@[\w.-]+', str) if match: print(match.group()) ## 'alice-b@google.com'
群組擷取
「群組」功能中，即可挑選要擷取的部分相符文字。假設我們想要分別擷取使用者名稱和主機的電子郵件問題。方法是在格式中的使用者名稱和主機前後加上括號 ( )，例如：r'([\w.-]+)@([\w.-]+)'。在此情況下，括號不會變更模式相符的項目，而是建立邏輯運算子「群組」。。搜尋成功時，match.group(1) 是對應第 1 個左括號的相符文字，而 match.group(2) 是對應第 2 個左括號的對應文字。plain match.group() 依然是完整的比對文字。
str = 'purple alice-b@google.com monkey dishwasher' match = re.search(r'([\w.-]+)@([\w.-]+)', str) if match: print(match.group()) ## 'alice-b@google.com' (the whole match) print(match.group(1)) ## 'alice-b' (the username, group 1) print(match.group(2)) ## 'google.com' (the host, group 2)
規則運算式的常見工作流程之一，就是為要搜尋的項目編寫模式，新增括號群組來擷取所需部分。
Findall
findall() 可能是 Re 模組中最強大的單一函式。上面，我們使用了 re.search() 來尋找與模式最相符的項目。findall() 會找出「所有」相符項目，並以字串形式傳回其結果，每個字串都代表一個相符項目。## Suppose we have a text with many email addresses str = 'purple alice@google.com, blah monkey bob@abc.com blah dishwasher' ## Here re.findall() returns a list of all the found email strings emails = re.findall(r'[\w\.-]+@[\w\.-]+', str) ## ['alice@google.com', 'bob@abc.com'] for email in emails: # do something with each found email string print(email)
Findall With Files
在檔案方面，您可能經常需要編寫迴圈來疊代檔案的各行，接著可以在每一行呼叫 findall()。而是讓 findall() 代您進行疊代，效果更好！只要將整個檔案文字饋送到 findall()，即可讓它傳回單一步驟中所有相符的清單 (提醒您，f.read() 會傳回單一字串中檔案的完整文字)：
# Open file f = open('test.txt', encoding='utf-8') # Feed the file text into findall(); it returns a list of all the found strings strings = re.findall(r'some pattern', f.read())
findall 和 Groups
括號 ( ) 的群組機制可以與 findall() 合併使用。如果模式包含 2 個以上的括號群組， findall() 會傳回 *tuples* 清單，而非傳回字串清單。每個元組代表一個符合模式的一個相符項目，元組內部則是群組(1)、group(2) .. 資料。因此，如果在電子郵件模式中加入 2 個括號群組， findall() 就會傳回元組清單，每個長度 2 都含有使用者名稱和主機，例如(「alice」、「google.com」)。
str = 'purple alice@google.com, blah monkey bob@abc.com blah dishwasher' tuples = re.findall(r'([\w\.-]+)@([\w\.-]+)', str) print(tuples) ## [('alice', 'google.com'), ('bob', 'abc.com')] for tuple in tuples: print(tuple[0]) ## username print(tuple[1]) ## host
取得元組清單後，您就可以在其中進行迴圈，為每個元組執行一些運算。如果模式不包含括號，findall() 會傳回找到的字串清單，如上述範例所示。如果模式包含一組括號， findall() 會傳回與該單一群組相對應的字串清單。(罕見的選用功能： 有時您在模式中使用了括號 ( ) 分組，但您不想擷取這些分組。在此情況下，請在開頭加上「?:」括號，例如：(?: ) 和左括號不算群組結果。)
RE 工作流程和偵錯
規則運算式模式 僅含幾個字元 就足以容納所有資訊，但由於字元相當密集，您還是可能需要花很多時間偵錯模式。設定執行階段，以便您能夠輕鬆執行模式並顯示其相符的內容，例如：在小型測試文字上執行，然後輸出 findall() 結果。如果模式比對不到任何項目，請嘗試縮小模式，移除部分模式，獲得太多相符結果。如果沒有相符的結果，就無法取得任何進度。如果兩者比對太多，您可以逐步加緊，讓廣告活動只符合您的需求。
選項
re 函式會採用選項來修改模式比對的行為。Option 旗標會額外新增引數至 search() 或 findall() 等，例如：re.search(pat, str, re.IGNORECASE)。
- IGNORECASE -- 是否要在比對時忽略大小寫差異，所以「a」同時符合「a」和「A」
- DOTALL -- 允許點 (.) 比對換行，一般是符合換行符號以外的字元。這樣可能會使您升高，您認為 .* 符合所有條件，但預設不會超過線條的結尾。請注意，\s (空白字元) 含有換行符號，因此如果要比對所有可能包含換行的空白字元，只要使用 \s*
- 多行 - 在由多行組成的字串中，允許 ^ 和 $ 比對每一行的開頭和結尾。通常 ^/$ 只會比對整個字串的開頭和結尾。
灰色與非貪婪 (選填)
此為選用部分，說明練習中不需使用更進階的規則運算式技巧。
假設您有包含標記的文字：<b>foo</b>和「依」<i></i>
假設您嘗試將每個標記與模式「(<.*>)」配對-- 先滿足什麼條件？
這個結果有點出乎意料，但「.*」的貪婪顯示部分會使該部分與「<b>foo</b>」整個相符和「so on」<i></i>和大型競爭問題在於 .* 盡可能盡可能增加，而不會在第一個時間點停止 >(也稱為「貪婪」)。
這是在規則運算式中加入「?」的延伸，，例如「.*?」或「.+?」，將狀態變更為非貪婪現在它們會盡快停止。所以模式「(<.*?>)」只會取得「<b>」第一個相符項目，「</b>」與第二個比對相符，而取得每個 <..>配對。樣式通常會使用 .*?後面緊接著一些具體標記 (在此範例中為 >)，然後是 .*?指令執行 Pod
「*?」源自 Perl，包含「Perl」擴充功能的規則運算式則稱為「Perl 相容規則運算式 -- pcre」。Python 包含純粹平台支援。許多指令列公用程式等都具有接受特定模式的旗標。
這是一種廣為使用的技術，用於編寫這種「所有字元，但在 X 停止」的概念。使用方括號樣式針對上述指令，您可以編寫模式，但如要取得所有字元，而非 .*，請使用 [^>]*，這會略過所有不是 > 的字元。(開頭的 ^ 會「反轉」方括號集合，因此會比對方括號中沒有的字元)。
替代字詞 (選用)
re.sub(pat, replace, str) 函式會在指定字串中搜尋並取代所有模式例項。替換字串可包含「\1」、「\2」。
下方範例將搜尋並變更所有電子郵件地址，將使用者 (\1) 保留為使用者 (\1)，但主機則保留 yo-yo-dyne.com。
str = 'purple alice@google.com, blah monkey bob@abc.com blah dishwasher' ## re.sub(pat, replacement, str) -- returns new string with all replacements, ## \1 is group(1), \2 group(2) in the replacement print(re.sub(r'([\w\.-]+)@([\w\.-]+)', r'\1@yo-yo-dyne.com', str)) ## purple alice@yo-yo-dyne.com, blah monkey bob@yo-yo-dyne.com blah dishwasher
運動
如要練習規則運算式，請參閱 Baby Names 練習。