Cum se scriu expresii regulate în Python?
Exersarea întrebărilor de interviu de programare în Python
Kirill Smirnov
Data Science Consultant, Altran
Definiție
Expresie regulată - o secvență de caractere speciale (metacaractere) care definește un șablon de căutare într-un text.
cat
"I have a cat. My cat likes to eat a lot. It also catches mice."
Definiție
Expresie regulată - o secvență de caractere speciale (metacaractere) care definește un șablon de căutare într-un text.
cat
"I have a cat. My cat likes to eat a lot. It also catches mice."
Șabloane complexe
Exemplu:
[email protected] este adresa de e-mail a lui John. El scrie adesea șefului său la [email protected]. Mesajele sunt redirecționate secretarei la [email protected].
Șabloane complexe
Exemplu:
**[email protected] este adresa de e-mail a lui John. El scrie adesea șefului său la [email protected]. Mesajele sunt redirecționate secretarei la [email protected]**.
Caractere speciale
Caracterele și cifrele simple corespund lor înșile:
a$\rightarrow$aA$\rightarrow$A1$\rightarrow$1
Punctul corespunde oricărui caracter:
.$\rightarrow$ orice caracter
. $\rightarrow$ 'a', '1', '"', ' ', ...
\.$\rightarrow$.
Caractere speciale
Următoarele metacaractere reprezintă \ urmat de o literă:
\w$\rightarrow$ orice caracter alfanumeric sau underscore
\w $\rightarrow$ '1', 'a','_', ...
\d$\rightarrow$ orice cifră
\d $\rightarrow$ '1', '2','3', ...
\s$\rightarrow$ orice caracter spațiu alb
\s $\rightarrow$ ' ', '\t', ...
Paranteze pătrate
Mai multe metacaractere pot fi incluse în paranteze pătrate:
[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$A,B,C, ...,a,b,c, ...
Repetiții
*$\rightarrow$ niciun caracter sau repetare de număr nedefinit de ori
a* $\rightarrow$ '', 'a', 'aa', ...
+$\rightarrow$ caracterul apare cel puțin o dată
a+ $\rightarrow$ 'a', 'aa', 'aaa', ...
?$\rightarrow$ caracterul există sau nu
a? $\rightarrow$ '', 'a'
{n, m}$\rightarrow$ caracterul apare de n până la m ori
a{2, 4} $\rightarrow$ 'aa', 'aaa', 'aaaa'
Expresie regulată pentru un e-mail
Exemplu:
**[email protected] este adresa de e-mail a lui John. El scrie adesea șefului său la [email protected]. Mesajele sunt redirecționate secretarei la [email protected]**.
[\w\.]+@[a-z]+\.[a-z]+
Expresie regulată pentru un e-mail
Exemplu:
**[email protected] este adresa de e-mail a lui John. El scrie adesea șefului său la [email protected]. Mesajele sunt redirecționate secretarei la [email protected]**.
[\w\.]+@[a-z]+\.[a-z]+
[\w\.]+ $\rightarrow$ john.smith, boss, info
cel puțin o literă, cifră, underscore sau punct
Expresie regulată pentru un e-mail
Exemplu:
**[email protected] este adresa de e-mail a lui John. El scrie adesea șefului său la [email protected]. Mesajele sunt redirecționate secretarei la [email protected]**.
[\w\.]+@[a-z]+\.[a-z]+
@ $\rightarrow$ @
Expresie regulată pentru un e-mail
Exemplu:
**[email protected] este adresa de e-mail a lui John. El scrie adesea șefului său la [email protected]. Mesajele sunt redirecționate secretarei la [email protected]**.
[\w\.]+@[a-z]+\.[a-z]+
[a-z]+ $\rightarrow$ mailbox, company
cel puțin o literă minusculă
Expresie regulată pentru un e-mail
Exemplu:
**[email protected] este adresa de e-mail a lui John. El scrie adesea șefului său la [email protected]. Mesajele sunt redirecționate secretarei la [email protected]**.
[\w\.]+@[a-z]+\.[a-z]+
\. $\rightarrow$ .
Expresie regulată pentru un e-mail
Exemplu:
**[email protected] este adresa de e-mail a lui John. El scrie adesea șefului său la [email protected]. Mesajele sunt redirecționate secretarei la [email protected]**.
[\w\.]+@[a-z]+\.[a-z]+
[a-z]+ $\rightarrow$ com
cel puțin o literă minusculă
Pachetul 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 ',
'.']
Să exersăm!
Exersarea întrebărilor de interviu de programare în Python
