Як писати регулярні вирази в Python?
Практика співбесід із програмування на Python
Kirill Smirnov
Data Science Consultant, Altran
Визначення
Регулярний вираз — послідовність спеціальних символів (метасимволів), що задають шаблон пошуку в тексті.
cat
"I have a cat. My cat likes to eat a lot. It also catches mice."
Визначення
Регулярний вираз — послідовність спеціальних символів (метасимволів), що задають шаблон пошуку в тексті.
cat
"I have a cat. My cat likes to eat a lot. It also catches mice."
Складні шаблони
Приклад:
[email protected] — електронна адреса Джона. Він часто пише своєму босу на [email protected]. Але листи пересилають його секретарці на [email protected].
Складні шаблони
Приклад:
**[email protected] — електронна адреса Джона. Він часто пише своєму босу на [email protected]. Але листи пересилають його секретарці на [email protected]**.
Спеціальні символи
Прості літери й цифри відповідають самим собі:
a$\rightarrow$aA$\rightarrow$A1$\rightarrow$1
Крапка відповідає будь-чому:
.$\rightarrow$ будь-який символ
. $\rightarrow$ 'a', '1', '"', ' ', ...
\.$\rightarrow$.
Спеціальні символи
Наведені нижче метасимволи — це \ і літера:
\w$\rightarrow$ будь-яка буквено-цифрова літера або підкреслення
\w $\rightarrow$ '1', 'a','_', ...
\d$\rightarrow$ будь-яка цифра
\d $\rightarrow$ '1', '2','3', ...
\s$\rightarrow$ будь-який пробільний символ
\s $\rightarrow$ ' ', '\t', ...
Квадратні дужки
Кілька метасимволів можна взяти у квадратні дужки:
[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$A,B,C, ...,a,b,c, ...
Повторення
*$\rightarrow$ немає символу або повторюється невизначену кількість разів
a* $\rightarrow$ '', 'a', 'aa', ...
+$\rightarrow$ символ присутній щонайменше один раз
a+ $\rightarrow$ 'a', 'aa', 'aaa', ...
?$\rightarrow$ символ може бути або ні
a? $\rightarrow$ '', 'a'
{n, m}$\rightarrow$ символ трапляється від n до m разів
a{2, 4} $\rightarrow$ 'aa', 'aaa', 'aaaa'
Регулярний вираз для e-mail
Приклад:
**[email protected] — електронна адреса Джона. Він часто пише своєму босу на [email protected]. Але листи пересилають його секретарці на [email protected]**.
[\w\.]+@[a-z]+\.[a-z]+
Регулярний вираз для e-mail
Приклад:
**[email protected] — електронна адреса Джона. Він часто пише своєму босу на [email protected]. Але листи пересилають його секретарці на [email protected]**.
[\w\.] +@[a-z]+\.[a-z]+
[\w\.]+ $\rightarrow$ john.smith, boss, info
щонайменше одна літера, цифра, підкреслення або крапка
Регулярний вираз для e-mail
Приклад:
**[email protected] — електронна адреса Джона. Він часто пише своєму босу на [email protected]. Але листи пересилають його секретарці на [email protected]**.
[\w\.]+@[a-z]+\.[a-z]+
@ $\rightarrow$ @
Регулярний вираз для e-mail
Приклад:
**[email protected] — електронна адреса Джона. Він часто пише своєму босу на [email protected]. Але листи пересилають його секретарці на [email protected]**.
[\w\.]+@[a-z]+\.[a-z]+
[a-z]+ $\rightarrow$ mailbox, company
щонайменше одна мала літера
Регулярний вираз для e-mail
Приклад:
**[email protected] — електронна адреса Джона. Він часто пише своєму босу на [email protected]. Але листи пересилають його секретарці на [email protected]**.
[\w\.]+@[a-z]+\.[a-z]+
\. $\rightarrow$ .
Регулярний вираз для e-mail
Приклад:
**[email protected] — електронна адреса Джона. Він часто пише своєму босу на [email protected]. Але листи пересилають його секретарці на [email protected]**.
[\w\.]+@[a-z]+\.[a-z]+
[a-z]+ $\rightarrow$ com
щонайменше одна мала літера
Пакет 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 ',
'.']
Давайте потренуємось!
Практика співбесід із програмування на Python
