Руководство по регулярным выражениям в Python для новичков

27 апреля, 2021 Дядя Влад

Если вы программист, скорее всего, вы уже знаете, что такое регулярные выражения (regex). Шаблоны регулярных выражений реализованы почти во всех основных языках программирования, но все же мощность и универсальность этих шаблонов не осознаются большинством разработчиков.

Это руководство посвящено регулярным выражениям и их использованию в языке программирования Python.

Что такое регулярные выражения?

Регулярные выражения – это шаблоны, которые помогают пользователю сопоставлять комбинации символов в текстовых файлах и строках. Вы можете использовать регулярные выражения для фильтрации или поиска определенного шаблона в выводе команды или документа.

Существуют различные варианты использования регулярных выражений, наиболее известной из которых является команда grep в Linux . Другие приложения включают фильтрацию информации, такую как извлечение адресов электронной почты и номеров телефонов из дампа данных.

Основная причина, по которой многие разработчики отклоняются от регулярных выражений, – это незнание возможностей сопоставления с образцом. Некоторые даже находят регулярные выражения сбивающими с толку из-за большого количества символов и последовательностей, используемых в шаблонах.

Какой бы ни была причина, регулярные выражения были и будут одним из наиболее важных аспектов программирования, о котором должен знать каждый.

Регулярные выражения: совпадающие символы и последовательности

Regex – это совершенно новый язык сам по себе. Механизм регулярных выражений интерпретирует шаблоны, состоящие из нескольких символов, имеющих определенные значения. Базовые литералы, такие как буквенно-цифровые символы, соответствуют друг другу. Но сложные символы, такие как $, *, +, {и т. Д., Помогают в сопоставлении более высокого порядка.

Звездочка (*): соответствует предыдущему символу ноль или более раз. Буквальное значение символа будет «Элемент, умноженный в n раз». Например, если регулярное выражение – abc * , совпадающими строками будут ab, abc, abcc, abccc, abcccc и т. Д. Выражение [bc] * будет соответствовать bc, bcbc, bcbc и т. Д.
Плюс (+): соответствует предыдущему символу один или несколько раз. Работа символа + аналогична работе * , но символ + пропускает шаблон, если этот символ не встречается. Например, abc + будет соответствовать abc, abcc, abccc и т. Д., Но не ab.
Вопросительный знак (?): Соответствует предыдущему символу ноль или один раз. Например, шаблон abc? будет соответствовать только ab и abc.
Труба (|): используется как бинарный оператор ИЛИ . Соответствует любому из символов, предшествующих и следующих за вертикальной чертой. Например, a | b будет соответствовать либо a, либо b.
Точка (.): Соответствует символу, личность которого неизвестна. Например, ac будет соответствовать aac, abc, acc, a2c и т. Д.
Морковь (^): соответствует первому символу в шаблоне. Например, ^ Ra будет соответствовать словам, начинающимся с Ra, таким как Rabbit, Raccoon и Random.
Доллар ($): соответствует последнему символу в шаблоне. Например, знак $ будет соответствовать словам, оканчивающимся на такие, как Van, Dan и Plan.
Дефис (-): используется для определения диапазона символов. Например, [0-9] будет соответствовать всем однозначным цифровым символам.

В шаблонах регулярных выражений используются следующие специальные последовательности:

A: возвращает совпадение, если в начале строки присутствуют следующие символы. Например, AThe будет соответствовать словам, начинающимся с The, таким как The, Them, They и т. Д.
b: возвращает совпадение, если символ находится в начале или в конце слова. Например, bmad и mad b будут соответствовать таким словам, как made и nomad соответственно.
B: возвращает совпадение, если символ не найден в начале или конце слова.
d: соответствует числовым символам, присутствующим в строке. Например, / d * будет соответствовать таким числам, как 1, 12, 1232 и т. Д.
D: соответствует нечисловым символам в строке. / D будет соответствовать a, b, c, f и т. Д.
s: соответствует пробельному символу в тексте.
S: соответствует непробельному символу в тексте.
w: возвращает совпадение, если строка содержит буквенно-цифровые символы, включая символы подчеркивания. Например, w будет соответствовать a, b, c, d, 1, 2, 3 и т. Д.
W: возвращает совпадение, если строка не содержит буквенно-цифровых символов или знаков подчеркивания.
Z: соответствует символам в конце строки. Например, конец Z будет соответствовать словам, оканчивающимся на конец, таким как изгиб, исправление, склонение и т. Д.

Методы Python для регулярных выражений

В Python библиотека re предоставляет все необходимые функции и утилиты, необходимые для реализации регулярных выражений в ваших программах. Вам не нужно загружать библиотеку с помощью pip, поскольку она поставляется с предустановленным интерпретатором Python.

Чтобы импортировать библиотеку re в Python, добавьте в свой скрипт следующий код:

 import re

Обратите внимание, что при передаче регулярных выражений в Python мы используем необработанные строки, поскольку они не интерпретируют по-разному специальные символы, такие как n и t .

Матч()

Метод re.match () в Python возвращает объект регулярного выражения, если программа находит совпадение в начале указанной строки. Эта функция принимает два основных аргумента:

 re.match(pattern, string)

… где шаблон – это регулярное выражение, а строка – это текст, который необходимо найти.

Взгляните на приведенный ниже фрагмент кода.

 import re
 match = re.match(r'Word', "This sentence contains a Word")
 print(match)

Символ r перед строкой обозначает необработанную строку.

Выход:

 None

Вышеупомянутый код возвращает None, потому что Word не было в начале строки.

Если совпадение найдено, вы можете распечатать его, используя метод group () , принадлежащий объекту регулярного выражения.

 import re
 match = re.match(r'Word', "Word is hard to read")
 print(match.group(0))

Выход:

 Word

Поиск()

Метод re.search () принимает те же аргументы, что и re.match (). В то время как match () возвращает только совпадения, присутствующие в начале строки, search () возвращает совпадения, найденные по любому индексу в строке.

 import re
 match = re.search(r'Word', "This sentence contains a Word. Word is hard to read.")
 print(match.group(0))

Обратите внимание, что методы match () и search () возвращают только одно совпадение с шаблоном. В вышеупомянутом коде Word появляется дважды. Но функция search () найдет только первое вхождение слова.

 Word

Найти все()

Как вы уже догадались, метод findall () возвращает все возможные совпадения в строке.

 import re
 match = re.search(r'Word', "This sentence contains a Word. Word is hard to read.")
 for elem in match:
 print(elem)

Вместо того, чтобы возвращать объект регулярного выражения, функция findall () возвращает список всех совпадений. Вы можете перебирать список, используя цикл for в Python .

Расколоть()

Если вы хотите разбить строку на подстроки, используя шаблон в качестве разделителя, то функция split () – это то, что вам нужно.

 import re
 split = re.split(r'and', "This word and that and this are different.")
 print(split)

Выход:

 ['This word", "that", "this are different."]

Sub ()

Метод sub () позволяет пользователю подставлять определенное слово вместо шаблона. Требуются следующие аргументы.

 re.sub(pattern, replacement, string)

Рассмотрим этот фрагмент кода:

 import re
 result = re.sub(r'and', 'or', "Dave and Harry must be punished.")
 print(result)

Выход:

 Dave or Harry must be punished.

Скомпилировать ()

Метод re.compile () в библиотеке re позволяет пользователю сохранять скомпилированную версию шаблона регулярного выражения в памяти. Затем, используя скомпилированный объект, пользователь может быстро отфильтровать указанный текстовый дамп на соответствие шаблонам.

 import re
 pattern = re.compile('Python')
 match = pattern.findall("Python is a great language for writing scripts. Python is easy to learn.")
 print(match)

Эта функция в основном используется для сохранения шаблонов, которые являются ресурсоемкими и требуют много времени для выполнения. Предварительная компиляция и сохранение паттерна как объекта решает эту проблему.

Используйте возможности регулярных выражений с помощью Python

Когда вы работаете с текстовыми файлами и выводом, регулярное выражение – отличный инструмент в вашем распоряжении. Вы можете быстро написать код для фильтрации или замены определенных шаблонов в документе.

Запоминание всех символов и соответствующих последовательностей может быть трудным, если вы только начинаете работать с регулярным выражением. Чтобы лучше понять регулярные выражения, время от времени обращайтесь к списку символов, методов и последовательностей, что определенно поможет вам в долгосрочной перспективе.