有時候從網路上爬取到的資料型式並不是我們想要的。

ex： "新聞發布於：2020年7月1日 14點20分"。我們只想要後面的時間，並不想要前面的文字。
這時當然可以用最簡單的 .split('新聞發布於：')[1]，但當今天前面的文字不一樣時，這個方式就不管用。

ex: 要從 "賴清德" & "賴+sexy6969" 兩個帳號中去判斷哪一個是色情帳號時，就必須使用到正則表達式！

pattern

定義字串的樣式

re.search()

使用最為頻繁、且最容易使用
用法：re.search( pattern, string )
pattern: 資料型式
string: 要比對的文字

範例1 - 只保留日期：

import re
text1 = '今天的日期是：2020-07-01 14:02:48'

time = re.search(r'\d+-\d+-\d+ \d+:\d+:\d+', text1).group(0)
print(time)

2020-07-01 14:02:48

範例2 - 抓取中間文字：

text2 = '編輯 - 衛斯理 小編'

author = re.search('編輯 - (.*?) ', text2).group(1)
print(author)

author = re.search('編輯 - (\w+)', text2).group(1)
print(author)

衛斯理
衛斯理

範例3 - 判斷色情帳號：

text1 = '賴清德'

if re.search('賴([a-z|0-9])',text1):
    print('色情line帳號')
else: 
    print('正常帳號')

正常帳號

text2 = '賴sexy6969'

if re.search('賴([a-z|0-9])',text2):
    print('色情line帳號')
else: 
    print('正常帳號')

色情line帳號

re.match()

從頭開始比對文字
與re.search()的最大差別在於它是檢測文字是否在開頭位置。
用法：re.match( pattern, string )

import re
text1 = '賴清德選上副總統！'

name = re.match(r'賴清德', text1).group(0)
print(name)

賴清德

re.findall()

找尋文字中所有匹配的文字

import re
text1 = '編輯 - 衛斯理 小編、編輯 - Christy 小編、編輯 - 阿龍 小編'

author = re.findall('編輯 - (.*?) ', text1)
print(author)

['衛斯理', 'Christy', '阿龍']