RegEx 妙用

內容標題

1. 什麼是 Regex?
2. Regex的使用格式
3. Python 中的 RegEx
4. 結語
5. 參考來源

什麼是 RegEx ?

RegEx (Regular Expression)正則表達式，是用字元序列來作為搜尋樣式，以找出在文章或語句符合的內容，以便修改或取代。

舉個例子，我們假設 \s 是用來搜尋哪裡有空格，\d 是用來搜尋哪裡有數字，則我設定樣式 \s\d，就是希望尋找空白後接著數字的位置。因此在下面這段文字：

2 34 577 89

滿足的有 " 2"、" 5"、" 9"。

Regex的使用格式

基本上很多的程式語言，都支持 RegEx，雖然可能有些為差異，但絕大部分的格式是相通的。接下來會列出常用的格式，之後可以到這裡練習單純的 RegEx 語法。

• [(Text)]
  中括號是用來搜尋括號裡面的文字，加了^，就是指排除：

• 選取字元

例如，djkfsjlflj、939jfajfjlk 都可以用 .* 來做搜尋。0、984984390 都可以用 [0-9]*做搜尋。

• 特殊符號

Python 中的 RegEx

接下來我們來利用 Python 來實作 Regex。處理 RegEx 的套件在 re，因此我們要先 import：

import re

我們舉一些常見的函數，之後再深入操作。

• findall
  使用 findall 時，第一個參數要放 pattern，第二個參數要放欲尋找的內容，這邊用 code 做個例子，我們要搜尋一串數字，因此 pattern 會是 [0-9]+：

  import re
  
  # The message going to been search
  message = "Hi Mary2, what is your tellphone? Oh! Tom11, my tellphone number is 0909202020"
  
  # RegEx pattern
  pattern = "[0-9]+";
  
  # match is a list which consist of all the matched format
  match = re.findall(pattern, message)
  
  # Print out the match
  print(match)
  

  ['2', '11', '0909202020']
  

• split
  使用 split 是將整串文字做分割，而分割的條件是 pattern。第一個參數是 pattern，第二個參數是 欲分割的字串，而第三個參數是分割次數，預設是全部完成。例如：

  import re
  
  # The message going to been search
  message = "Hi Mary2, what is your tellphone? Oh! Tom11, my tellphone number is 0909202020"
  
  # RegEx pattern
  pattern = "[0-9]+";
  
  # match is a list which is splitted by the specific format
  match = re.split(pattern, message)
  
  # Print out the match
  print(match)
  

  # 將所有數字都分割完成
  ['Hi Mary', ', what is your tellphone? Oh! Tom', ', my tellphone number is ', '']
  

  這邊我們給 split 第三個參數，分別是 1 和 2：

  import re
  
  # The message going to been split
  message = "Hi Mary2, what is your tellphone? Oh! Tom11, my tellphone number is 0909202020"
  
  # RegEx pattern
  pattern = "[0-9]+";
  
  # A match object
  match1 = re.split(pattern, message, 1)
  match2 = re.split(pattern, message, 2)
  
  print(match1)
  print(match2)
  

  # 只分割到 2 就停了
  ['Hi Mary', ', what is your tellphone? Oh! Tom11, my tellphone number is 0909202020']
  
  # 分割 2 和 11 後就停了
  ['Hi Mary', ', what is your tellphone? Oh! Tom', ', my tellphone number is 0909202020']
  

• sub
  使用 sub 是將特定文字取代成新文字。第一個參數為 pattern，第二個參數為替代者，第三個參數為被取代者。例如：

  import re
  
  # The message going to been subsititute
  message = "Hi Mary2, what is your tellphone? Oh! Tom11, my tellphone number is 0909202020"
  
  # RegEx pattern
  pattern = "[0-9]+";
  
  # A result text
  result = re.sub(pattern, "hello", message)
  
  print(result)
  

  # 原本是數字的地方，現在都被取代成 hello 了
  Hi Maryhello, what is your tellphone? Oh! Tomhello, my tellphone number is hello
  

• search
  上面我們有提到說使用 search 會回傳 match object 的物件。我們可以先把結果 print 出來看看長什麼樣：

  import re
  
  # The message going to been subsititute
  message = "Hi Mary2, what is your tellphone? Oh! Tom11, my tellphone number is 0909202020"
  
  # RegEx pattern
  pattern = "[0-9]+";
  
  # A result text
  result = re.search(pattern, message)
  
  print(result)
  

  # 這邊我們可以看到是一個 Match object
  <re.Match object; span=(7, 8), match='2'>
  

  而 Match Object 有一些 properties 和 method 可以使用：

  1. string ：回傳傳入的 text
  2. span()：回傳符合 pattern 的開始和結束位置
  3. group()：回傳找到的結果

   import re
  
  # The message going to been subsititute
  message = "Hi Mary2, what is your tellphone? Oh! Tom11, my tellphone number is 0909202020"
  
  # RegEx pattern
  pattern = "[0-9]+";
  
  # A result text
  result = re.search(pattern, message)
  
  print(result.string);
  print(result.span());
  print(result.group());
  

  # result.string
  Hi Mary2, what is your tellphone? Oh! Tom11, my tellphone number is 0909202020
  
  # result.span()
  (7, 8)
  
  # result.group()
  2
  

  從這邊我們可以發現，search 只會搜尋一遍，找到第一個符合的就會停止！

結語

這次我們認識一些 RegEx 的用法，並且結合 Python 進行操作。事實上除了程式語言，有些 IDE 內搜尋文字的功能也可以使用 RegEx。除了這篇，我應該還會再寫一篇關於 shell command 內使用 RegEx 的方法。這次就先這樣了，掰掰~

參考來源

1. Python RegEx from w3 school
2. Introducing Python [ Bill Lubanovic ]
3. Cheat sheet for Regex