Jak psát regulární výrazy v Pythonu?
Procvičování otázek z kódovacích pohovorů v Pythonu
Kirill Smirnov
Data Science Consultant, Altran
Definice
Regulární výraz – posloupnost speciálních znaků (metaznaků) definující vzor pro hledání v textu.
cat
"I have a cat. My cat likes to eat a lot. It also catches mice."
Definice
Regulární výraz – posloupnost speciálních znaků (metaznaků) definující vzor pro hledání v textu.
cat
"I have a cat. My cat likes to eat a lot. It also catches mice."
Složité vzory
Příklad:
[email protected] je e-mail Johna. Často píše svému nadřízenému na [email protected]. Zprávy jsou ale přeposílány jeho asistentce na [email protected].
Složité vzory
Příklad:
**[email protected] je e-mail Johna. Často píše svému nadřízenému na [email protected]. Zprávy jsou ale přeposílány jeho asistentce na [email protected]**.
Speciální znaky
Jednoduché znaky a číslice odpovídají samy sobě:
a$\rightarrow$aA$\rightarrow$A1$\rightarrow$1
Tečka odpovídá libovolnému znaku:
.$\rightarrow$ libovolný znak
. $\rightarrow$ 'a', '1', '"', ' ', ...
\.$\rightarrow$.
Speciální znaky
Následující metaznaky představují \ za nímž následuje písmeno:
\w$\rightarrow$ alfanumerický znak nebo podtržítko
\w $\rightarrow$ '1', 'a','_', ...
\d$\rightarrow$ libovolná číslice
\d $\rightarrow$ '1', '2','3', ...
\s$\rightarrow$ libovolný bílý znak
\s $\rightarrow$ ' ', '\t', ...
Hranaté závorky
Několik metaznaků lze uzavřít do hranatých závorek:
[aAbB]$\rightarrow$a,A,b,B[a-z]$\rightarrow$a,b,c, ...[A-Z]$\rightarrow$A,B,C, ...[0-9]$\rightarrow$0,1,2, ...[A-Za-z]$\rightarrow$A,B,C, ...,a,b,c, ...
Opakování
*$\rightarrow$ žádný výskyt nebo neomezené opakování
a* $\rightarrow$ '', 'a', 'aa', ...
+$\rightarrow$ znak se vyskytuje alespoň jednou
a+ $\rightarrow$ 'a', 'aa', 'aaa', ...
?$\rightarrow$ znak se vyskytuje nebo ne
a? $\rightarrow$ '', 'a'
{n, m}$\rightarrow$ znak se vyskytuje n až mkrát
a{2, 4} $\rightarrow$ 'aa', 'aaa', 'aaaa'
Regulární výraz pro e-mail
Příklad:
**[email protected] je e-mail Johna. Často píše svému nadřízenému na [email protected]. Zprávy jsou ale přeposílány jeho asistentce na [email protected]**.
[\w\.]+@[a-z]+\.[a-z]+
Regulární výraz pro e-mail
Příklad:
**[email protected] je e-mail Johna. Často píše svému nadřízenému na [email protected]. Zprávy jsou ale přeposílány jeho asistentce na [email protected]**.
[\w\.]+@[a-z]+\.[a-z]+
[\w\.]+ $\rightarrow$ john.smith, boss, info
alespoň jedno písmeno, číslice, podtržítko nebo tečka
Regulární výraz pro e-mail
Příklad:
**[email protected] je e-mail Johna. Často píše svému nadřízenému na [email protected]. Zprávy jsou ale přeposílány jeho asistentce na [email protected]**.
[\w\.]+@[a-z]+\.[a-z]+
@ $\rightarrow$ @
Regulární výraz pro e-mail
Příklad:
**[email protected] je e-mail Johna. Často píše svému nadřízenému na [email protected]. Zprávy jsou ale přeposílány jeho asistentce na [email protected]**.
[\w\.]+@[a-z]+\.[a-z]+
[a-z]+ $\rightarrow$ mailbox, company
alespoň jedno malé písmeno
Regulární výraz pro e-mail
Příklad:
**[email protected] je e-mail Johna. Často píše svému nadřízenému na [email protected]. Zprávy jsou ale přeposílány jeho asistentce na [email protected]**.
[\w\.]+@[a-z]+\.[a-z]+
\. $\rightarrow$ .
Regulární výraz pro e-mail
Příklad:
**[email protected] je e-mail Johna. Často píše svému nadřízenému na [email protected]. Zprávy jsou ale přeposílány jeho asistentce na [email protected]**.
[\w\.]+@[a-z]+\.[a-z]+
[a-z]+ $\rightarrow$ com
alespoň jedno malé písmeno
Balíček re
import repattern = re.compile(r'[\w\.]+@[a-z]+\.[a-z]+')
text = '[email protected] is the e-mail of '\
'John. He often writes to his boss at '\
'[email protected]. But the messages get forwarded '\
'to his secretary at [email protected].'
re.finditer()
result = re.finditer(pattern, text)
print(result)
<callable_iterator object at 0x7f5dff81af98>
for match in result:
print(match)
<_sre.SRE_Match object; span=(0, 22), match='[email protected]'>
<_sre.SRE_Match object; span=(77, 93), match='[email protected]'>
<_sre.SRE_Match object; span=(146, 162), match='[email protected]'>
re.finditer()
result = re.finditer(pattern, text)
print(result)
<callable_iterator object ...>
for match in result:
print(match.group())
print(match.start())
print(match.end())
[email protected]
0
22
[email protected]
77
93
[email protected]
146
162
re.findall()
substrings = re.findall(pattern, text)
print(substrings)
['[email protected]', '[email protected]', '[email protected]']
re.split()
split_list = re.split(pattern, text)
print(split_list)
['',
' is the e-mail of John. He often writes to his boss at ',
'. But the messages get forwarded to his secretary at ',
'.']
Pojďme si procvičit!
Procvičování otázek z kódovacích pohovorů v Pythonu
