Python 是一種高階開源指令碼語言。Python 內建的「re」模組提供優異的 正規表示式 支援，具備現代且完整的正規表示式風格。Python 3.11 新增了兩個重要的遺失功能，原子群組 和 獨佔量詞。雖然 Python 的正規表示式引擎可以正確處理 Unicode 字串，但其語法仍缺少 Unicode 屬性，而 簡寫字元類別 也只會比對 ASCII 字元。

首先，使用 import re 將 regexp 模組匯入您的指令碼。

正規表示式搜尋和比對

呼叫 re.search(regex, subject) 以將正規表示式樣式套用至主旨字串。如果比對嘗試失敗，函式會傳回 None，否則會傳回 Match 物件。由於 None 會評估為 False，因此您可以在 if 陳述式中輕鬆使用 re.search()。 Match 物件會儲存正規表示式樣式比對到的字串部分的詳細資料。

您可以透過將特殊常數指定為 re.search() 的第三個參數，來設定 正規表示式比對模式。 re.I 或 re.IGNORECASE 會不區分大小寫地套用樣式。 re.S 或 re.DOTALL 會讓 點號比對換行符號。 re.M 或 re.MULTILINE 會讓 插入符號和美元符號 在主旨字串中比對換行符號前後。單字母選項和描述性選項之間沒有差異，除了您必須輸入的字元數。若要指定多個選項，請使用 | 算子將它們「或」起來：re.search("^a", "abc", re.I | re.M)。

預設情況下，Python 的正規表示式引擎只將字母 A 到 Z、數字 0 到 9 以及底線視為「字元字元」。指定旗標 re.L 或 re.LOCALE 以使 \w 比對所有根據目前區域設定視為字母的字元。或者，您可以指定 re.U 或 re.UNICODE 以將所有字元的字母視為字元字元。此設定也會影響 字元邊界。

不要將 re.search() 與 re.match() 混淆。這兩個函式執行完全相同的動作，重要的區別在於 re.search() 會在字串中嘗試比對樣式，直到找到符合的結果。另一方面，re.match() 只會在字串的開頭嘗試比對樣式。基本上，re.match("regex", subject) 與 re.search("\Aregex", subject) 相同。請注意，re.match() 並不要求 正規表示式與整個字串相符。re.match("a", "ab") 會成功。

Python 3.4 新增一個新的 re.fullmatch() 函式。此函式只有在正規表示式完全與字串相符時才會傳回 Match 物件。否則，它會傳回 None。re.fullmatch("regex", subject) 與 re.search("\Aregex\Z", subject) 相同。這對於驗證使用者輸入很有用。如果 subject 是空字串，則對於任何可以找到 零長度比對 的正規表示式，fullmatch() 會評估為 True。

若要從字串取得所有比對結果，請呼叫 re.findall(regex, subject)。這會傳回一個陣列，其中包含字串中所有不重疊的正規表示式比對結果。「不重疊」表示字串從左到右搜尋，而下一個比對嘗試會從前一個比對結果之後開始。如果正規表示式包含一個或多個 擷取群組，re.findall() 會傳回一個陣列，其中每個陣列元素都包含由所有擷取群組比對到的文字。整體正規表示式比對結果不會包含在陣列元素中，除非您將整個正規表示式置於擷取群組中。

比 re.findall() 更有效率的是 re.finditer(regex, subject)。它會傳回一個反覆運算器，讓您可以在主旨字串中的正規表示式比對結果中進行迴圈：for m in re.finditer(regex, subject)。for 迴圈變數 m 是 Match 物件，其中包含目前比對結果的詳細資料。

與 re.search() 和 re.match() 不同，re.findall() 和 re.finditer() 不支援使用正規表示式比對旗標的第三個選用參數。相反地，您可以在正規表示式的開頭使用 全域模式修改器。例如，「(?i)regex」比對 regex 時不區分大小寫。

字串、反斜線和正規表示式

反斜線是正規表示式中的元字元。它用於跳脫其他元字元。正規表示式 \\ 符合單一反斜線。 \d 是單一記號，符合數字。

Python 字串也使用反斜線來跳脫字元。上述正規表示式寫成 Python 字串為 "\\\\" 和 "\\d"。確實令人混淆。

幸運的是，Python 也有「原始字串」，不會對反斜線套用特殊處理。作為原始字串，上述正規表示式變成 r"\\" 和 r"\d"。使用原始字串的唯一限制是，用於字串的分隔符號不能出現在正規表示式中，因為原始字串沒有提供跳脫它的方法。

你可以在原始字串中使用 \n 和 \t。儘管原始字串不支援這些跳脫，但正規表示式引擎支援。最終結果是一樣的。

Unicode

在 Python 3.3 之前，Python 的 re 模組不支援任何Unicode 正規表示式記號。然而，Python Unicode 字串一直支援 \uFFFF 表示法。Python 的 re 模組可以使用 Unicode 字串。因此，你可以將 Unicode 字串 u"\u00E0\\d" 傳遞給 re 模組，以符合 à 後接數字。 \d 的反斜線已跳脫，而 \u 的反斜線則沒有。這是因為 \d 是正規表示式記號，而正規表示式反斜線需要跳脫。 \u00E0 是不應跳脫的 Python 字串記號。正規表示式引擎將字串 u"\u00E0\\d" 視為 à\d。

如果你在 \u 前面再放一個反斜線，正規表示式引擎會看到 \u00E0\d。如果你在 Python 3.2 或更早版本中使用這個正規表示式，它將符合文字 u00E0 後接數字。

為了避免混淆反斜線是否需要跳脫，請使用 Unicode 原始字串，例如 ur"\u00E0\d"。這樣反斜線就不需要跳脫。Python 會在原始字串中詮釋 Unicode 跳脫。

在 Python 3.0 和更新版本中，字串預設為 Unicode。因此，上述範例中顯示的 u 前綴不再需要。Python 3.3 也為正規表示式引擎新增支援 \uFFFF 表示法。因此，在 Python 3.3 中，您可以使用字串 "\\u00E0\\d" 來傳遞 regex \u00E0\d，它會比對類似 à0 的字串。

搜尋和取代

re.sub(regex, replacement, subject) 在 subject 中執行搜尋和取代，將 subject 中所有 regex 比對結果取代為 replacement。結果由 sub() 函式傳回。您傳遞的 subject 字串不會被修改。

如果 regex 有 擷取群組，您可以使用 regex 中擷取群組內部分比對的文字。若要取代第三個群組的文字，請在 replacement 字串中插入 \3。如果您想要使用第三個群組的文字，後面加上一個文字三作為取代字串，請使用 \g<3>3。 \33 會被解釋為第 33 個群組。如果群組少於 33 個，則會發生錯誤。如果您使用 命名擷取群組，則可以在 replacement 文字中使用 \g<name>。

re.sub() 函式對 replacement 文字套用與正規表示式相同的反斜線邏輯。因此，您應該對 replacement 文字使用原始字串，就像我在上述範例中所做的那樣。 re.sub() 函式也會在原始字串中解釋 \n 和 \t。如果您想要 c:\temp 作為取代字串，請使用 r"c:\\temp" 或 "c:\\\\temp"。第三個反向參照是 r"\3" 或 "\\3"。

分割字串

re.split(regex, subject) 傳回一個字串陣列。陣列包含 subject 中所有 regex 比對結果之間的 subject 部分。相鄰的 regex 比對結果會導致陣列中出現空字串。regex 比對結果本身不會包含在陣列中。如果 regex 包含 擷取群組，則擷取群組比對的文字會包含在陣列中。擷取群組會插入在出現在 regex 比對結果左邊和右邊的子字串之間。如果您不想要陣列中的擷取群組，請將它們轉換為 非擷取群組。 re.split() 函式沒有提供抑制擷取群組的選項。

您可以指定一個額外的第三個參數來限制分割 subject 字串的次數。請注意，此限制控制分割的次數，而不是陣列中最終會出現的字串數。未分割的 subject 餘數會新增為陣列中的最後一個字串。如果沒有擷取群組，則陣列將包含 limit+1 個項目。

當正規表示式可以找到長度為 0 的比對時，re.split() 的行為在不同版本的 Python 中有所改變。在 Python 3.4 及更早版本中，re.split() 會忽略長度為 0 的比對。在 Python 3.5 和 3.6 中，re.split() 在遇到長度為 0 的比對時會擲出 FutureWarning。這個警告表示 Python 3.7 中的變更。現在 re.split() 也會對長度為 0 的比對進行分割。

比對詳細資料

re.search() 和 re.match() 會傳回一個比對物件，而 re.finditer() 會產生一個反覆器，用於反覆處理比對物件。這個物件包含許多關於正規表示式比對的有用資訊。以下的討論中，我將使用 m 來表示比對物件。

m.group() 會傳回與整個正規表示式比對的字串部分。 m.start() 會傳回比對開始處在字串中的偏移量。 m.end() 會傳回比對結束後一個字元的偏移量。 m.span() 會傳回 m.start() 和 m.end() 的 2 元組。您可以使用 m.start() 和 m.end() 來切片主旨字串：subject[m.start():m.end()]。

如果您想要擷取群組的結果，而不是整體正規表示式比對，請指定群組的名稱或編號作為參數。 m.group(3) 會傳回由第三個 擷取群組 比對的文字。 m.group('groupname') 會傳回由 命名群組 'groupname' 比對的文字。如果群組未參與整體比對，m.group() 會傳回空字串，而 m.start() 和 m.end() 會傳回 -1。

如果您想要執行基於正規表示式的搜尋和取代，而不使用 re.sub()，請呼叫 m.expand(replacement) 來計算取代文字。這個函式會傳回已取代反向參照等的取代字串。

正規表示式物件

如果您想要重複使用相同的正規表示式，您應該將其編譯成正規表示式物件。正規表示式物件更有效率，並讓您的程式碼更具可讀性。若要建立一個，只需呼叫 re.compile(regex) 或 re.compile(regex, flags)。flags 是上面針對 re.search() 和 re.match() 函式描述的比對選項。

由 re.compile() 傳回的正規表示式物件提供 re 模組也直接提供的全部函式：search()、match()、findall()、finditer()、sub() 和 split()。不同之處在於它們使用儲存在 regex 物件中的樣式，且不將 regex 作為第一個參數。re.compile(regex).search(subject) 等同於 re.search(regex, subject)。