A Säännöllinen lauseke tai säännöllinen lauseke on erityinen merkkijono, joka käyttää hakumallia merkkijonon tai merkkijonojoukon löytämiseen.

Se voi havaita tekstin olemassaolon tai puuttumisen yhdistämällä sen tiettyyn kuvioon ja voi myös jakaa kuvion yhdeksi tai useaksi alakuvioksi.

Regex-moduuli Pythonissa

Pythonissa on sisäänrakennettu moduuli nimeltä re jota käytetään Pythonin säännöllisissä lausekkeissa. Voimme tuoda tämän moduulin käyttämällä tuontilauseketta.

Esimerkki: Re-moduulin tuonti Pythonissa

Python 3

>

>

Kuinka käyttää RegEx-lausetta Pythonissa?

Voit käyttää RegExiä Pythonissa re-moduulin tuomisen jälkeen.

Esimerkki:

Tämä Python-koodi käyttää säännöllisiä lausekkeita sanan etsimiseen portaali annetussa merkkijonossa ja tulostaa sitten vastaavan sanan alku- ja loppuindeksit merkkijonon sisällä.

Python 3

>

>

Start Index: 34 End Index: 40>

Huomautus: Tässä r-merkki (r'portal') tarkoittaa raakaa, ei regexiä. Raaka merkkijono eroaa hieman tavallisesta merkkijonosta, se ei tulkitse -merkkiä pakomerkkinä. Tämä johtuu siitä, että säännöllinen lausekemoottori käyttää -merkkiä omaan pakenemistarkoitukseensa.

Ennen kuin aloitat Pythonin regex-moduulin käytön, katsotaan kuinka kirjoittaa regex metamerkkien tai erikoissekvenssien avulla.

Metahahmot

Metahahmot ovat hahmoja, joilla on erityinen merkitys.

RE-analogian ymmärtämiseksi metamerkit ovat hyödyllisiä ja tärkeitä. Niitä käytetään moduulin re toiminnoissa. Alla on luettelo metahahmoista.

Keskustellaan jokaisesta näistä metahahmoista yksityiskohtaisesti:

1. – Kenoviiva

Kenoviiva () varmistaa, että merkkiä ei käsitellä erityisellä tavalla. Tätä voidaan pitää tapana paeta metahahmoja.

Jos esimerkiksi haluat etsiä merkkijonosta pistettä(.), huomaat, että pistettä(.) käsitellään erikoismerkkinä, kuten yhtä metamerkeistä (kuten yllä olevassa taulukossa näkyy). Joten tässä tapauksessa käytämme kenoviivaa() juuri ennen pistettä(.), jotta se menettää erikoisuutensa. Katso alla oleva esimerkki ymmärtääksesi paremmin.

Esimerkki:

Ensimmäinen haku ( re.search(r'.', s)> ) vastaa mitä tahansa merkkiä, ei vain pistettä, kun toinen haku ( re.search(r'.', s)> ) etsii nimenomaan aikakauden merkkiä ja vastaa sitä.

Python 3

>

>

>

2. [] – Hakasulkeet

Hakasulkeet ([]) edustavat merkkiluokkaa, joka koostuu joukosta merkkejä, joita haluamme yhdistää. Esimerkiksi merkkiluokka [abc] vastaa mitä tahansa yksittäistä a, b tai c.

Voimme myös määrittää joukon merkkejä käyttämällä hakasulkeiden sisällä. Esimerkiksi,

• [0, 3] on esimerkki [0123]
• [a-c] on sama kuin [abc]

Voimme myös kääntää merkkiluokan käyttämällä caret(^) -symbolia. Esimerkiksi,

• [^0-3] tarkoittaa mitä tahansa lukua paitsi 0, 1, 2 tai 3
• [^a-c] tarkoittaa mitä tahansa merkkiä paitsi a, b tai c

Esimerkki:

Tässä koodissa käytät säännöllisiä lausekkeita löytääksesi kaikki merkkijonon merkit, jotka ovat välillä 'a' - 'm'. The re.findall()> funktio palauttaa luettelon kaikista tällaisista merkeistä. Annetussa merkkijonossa tätä mallia vastaavat merkit ovat: 'c', 'k', 'b', 'f', 'j', 'e', ​​'h', 'l', 'd', ' g'.

Python 3

>

>

['h', 'e', 'i', 'c', 'k', 'b', 'f', 'j', 'm', 'e', 'h', 'e', 'l', 'a', 'd', 'g']>

3. ^ – Caret

Merkkimerkki (^) vastaa merkkijonon alkua, eli tarkistaa, alkaako merkkijono annetuilla merkeillä vai ei. Esimerkiksi -

• ^g tarkistaa, alkaako merkkijono g:llä, kuten geeks, maapallo, tyttö, g jne.
• ^ge tarkistaa, alkaako merkkijono ge:llä, kuten geeks, geeksforgeeks jne.

Esimerkki:

Tämä koodi käyttää säännöllisiä lausekkeita tarkistaakseen, alkaako merkkijonoluettelo The . Jos merkkijono alkaa Se on merkitty osuviksi muuten se on merkitty nimellä Ei täsmää.

Python 3

char merkkijonoon javassa

>

>

Matched: The quick brown fox Matched: The lazy dog Not matched: A quick brown fox>

4. $ – Dollari

Dollari($)-symboli vastaa merkkijonon loppua, eli tarkistaa, päättyykö merkkijono annettuihin merkkeihin vai ei. Esimerkiksi-

• s$ tarkistaa merkkijonon, joka päättyy merkkijonoon, kuten geeks, ends, s jne.
• ks$ tarkistaa merkkijonon, joka päättyy ks:ään, kuten geeks, geeksforgeeks, ks jne.

Esimerkki:

Tämä koodi käyttää säännöllistä lauseketta tarkistaakseen, loppuuko merkkijono Maailman!. Jos vastaavuus löytyy, se tulostuu Ottelu löytynyt! muuten tulostuu Vastaavaa ei löytynyt .

Python 3

>

>

Match found!>

5. . – Piste

Piste(.)-symboli vastaa vain yhtä merkkiä paitsi rivinvaihtomerkkiä ( ). Esimerkiksi -

• a.b tarkistaa merkkijonon, joka sisältää minkä tahansa merkin pisteen kohdalla, kuten acb, acbd, abbb jne.
• .. tarkistaa, sisältääkö merkkijono vähintään 2 merkkiä

Esimerkki:

Tämä koodi käyttää säännöllistä lauseketta mallin etsimiseen ruskea.kettu merkkijonon sisällä. Piste (.>) kuviossa edustaa mitä tahansa merkkiä. Jos vastaavuus löytyy, se tulostuu Ottelu löytynyt! muuten tulostuu Vastaavaa ei löytynyt .

Python 3

>

>

Match found!>

6. | – Tai

Tai-symboli toimii operaattorina tai, mikä tarkoittaa, että se tarkistaa, onko merkkijonossa tai -symbolia edeltävä vai jälkeen oleva kuvio vai ei. Esimerkiksi -

• a|b vastaa mitä tahansa merkkijonoa, joka sisältää a:n tai b:n, kuten acd, bcd, abcd jne.

7. ? - Kysymysmerkki

Kysymysmerkki (?) on kvantori säännöllisissä lausekkeissa, joka osoittaa, että edeltävä elementti on sovitettava nollaksi tai kerran. Sen avulla voit määrittää, että elementti on valinnainen, mikä tarkoittaa, että se voi esiintyä kerran tai ei ollenkaan. Esimerkiksi,

• ab?c yhdistetään merkkijonolle ac, acb, dabc, mutta sitä ei sovita sanalle abbc, koska b on kaksi. Vastaavasti sitä ei soviteta abdc:lle, koska b:tä ei seuraa c.

8.* – Tähti

Tähtisymboli (*) vastaa nollaa tai useampaa *-symbolia edeltävän säännöllisen lausekkeen esiintymää. Esimerkiksi -

• ab*c vastaa merkkijonoa ac, abc, abbbc, dabc jne., mutta sitä ei sovita sanalle abdc, koska b:tä ei seuraa c.

9. + – Plus

Plussymboli (+) vastaa yhtä tai useampaa +-symbolia edeltävän säännöllisen lausekkeen esiintymää. Esimerkiksi -

• ab+c yhdistetään merkkijonolle abc, abbc, dabc, mutta sitä ei soviteta ac:lle, abdc:lle, koska ac:ssa ei ole b:tä ja b:tä ei seuraa c:ssä abdc.

10. {m, n} – Aaltosulkeet

Aaltosulkeet vastaavat mitä tahansa säännöllistä lauseketta edeltäviä toistoja välillä m ja n, molemmat mukaan lukien. Esimerkiksi -

• a{2, 4} vastaa merkkijonoa aaab, baaaac, gaad, mutta sitä ei sovita merkkijonoihin, kuten abc, bc, koska molemmissa tapauksissa on vain yksi a tai ei yhtään a:ta.

11. () – Ryhmä

Ryhmäsymbolia käytetään alikuvioiden ryhmittelyyn. Esimerkiksi -

• (a|b)cd vastaa merkkijonoja, kuten acd, abcd, gacd jne.

Erikoissekvenssit

Erikoissekvenssit eivät vastaa merkkijonon varsinaista merkkiä, vaan se kertoo tietyn paikan hakumerkkijonossa, jossa vastaavuuden on tapahduttava. Se helpottaa yleisesti käytettyjen kuvioiden kirjoittamista.

Luettelo erityisistä sarjoista

RegEx-funktiot

re moduuli sisältää monia toimintoja jotka auttavat meitä etsimään merkkijonoa osuman.

Katsotaanpa tämän moduulin tarjoamia erilaisia ​​toimintoja, jotka toimivat Pythonin regexin kanssa.

Katsotaanpa näiden RegEx-funktioiden toimintaa määritelmien ja esimerkkien kanssa:

1. re.findall()

Palauta kaikki ei-päällekkäiset kuvion osumat merkkijonoluettelona. Merkkijono skannataan vasemmalta oikealle, ja osumat palautetaan löydettyssä järjestyksessä.

Kaikkien kuvion esiintymien etsiminen

Tämä koodi käyttää säännöllistä lauseketta ( d+> ) löytääksesi kaikki yhden tai useamman numeron sekvenssit annetusta merkkijonosta. Se etsii numeerisia arvoja ja tallentaa ne luetteloon. Tässä esimerkissä se etsii ja tulostaa numerot 123456789 ja 987654321 syöttömerkkijonosta.

Python 3

>

>

['123456789', '987654321']>

2. uudelleen.compile()

Säännölliset lausekkeet käännetään kuvioobjekteiksi, joilla on menetelmiä erilaisiin toimintoihin, kuten kaavaosumien etsimiseen tai merkkijonojen korvaamiseen.

Esimerkki 1:

Koodi käyttää säännöllistä lauseketta [a-e]> löytääksesi ja listataksesi kaikki pienet kirjaimet 'a':sta 'e':hen syöttömerkkijonosta Kyllä, sanoi herra Gibenson Stark. Tulos tulee olemaan ['e', 'a', 'd', 'b', 'e']> , jotka ovat vastaavia merkkejä.

Python

>

>

['e', 'a', 'd', 'b', 'e', 'a']>

Tuloksen ymmärtäminen:

• Ensimmäinen esiintyminen on 'e' Ayessa eikä 'A', koska kirjainkoolla on merkitystä.
• Seuraava esiintyminen on 'a' sanotussa, sitten 'd' sanotussa, jota seuraa 'b' ja 'e' Gibensonissa, viimeinen 'a' osuu Starkin kanssa.
• Metamerkkien kenoviiva '' on erittäin tärkeä rooli, koska se signaloi erilaisia ​​​​sarjoja. Jos kenoviivaa käytetään ilman sen erityistä merkitystä metamerkkinä, käytä ''

Esimerkki 2: Aseta luokka [s,.] vastaa mitä tahansa välilyöntiä, ',' tai '.' .

Koodi käyttää säännöllisiä lausekkeita löytääkseen ja listatakseen kaikki yksittäiset numerot ja numerosarjat annetuissa syötemerkkijonoissa. Se löytää yksittäisiä numeroita kanssa d> ja numerosarjat d+> .

Python

java listnode

>

>

['1', '1', '4', '1', '8', '8', '6'] ['11', '4', '1886']>

Esimerkki 3:

Koodi käyttää säännöllisiä lausekkeita sanamerkkien, sanamerkkijonojen ja ei-sanamerkkien etsimiseen ja luetteloimiseen syötemerkkijonoissa. Se tarjoaa luetteloita vastaavista merkeistä tai sarjoista.

Python

>

>

['H', 'e', 's', 'a', 'i', 'd', 'i', 'n', 's', 'o', 'm', 'e', '_', 'l', 'a', 'n', 'g'] ['I', 'went', 'to', 'him', 'at', '11', 'A', 'M', 'he', 'said', 'in', 'some_language'] [' ', ' ', '*', '*', '*', ' ...>

Esimerkki 4:

Koodi käyttää säännöllistä lauseketta 'ab*' löytääkseen ja listatakseen kaikki 'ab':n esiintymät, joita seuraa nolla tai useampi 'b'-merkki syötemerkkijonossa abbabbaabbb. Se palauttaa seuraavan luettelon osumista: ['ab', 'abb', 'abbb'].

Python

>

onnea

>

['ab', 'abb', 'a', 'abbb']>

Tulostuksen ymmärtäminen:

• RE on ab*, jonka 'a' mukana on mikä tahansa no. b:stä alkaen 0:sta.
• Tulos 'ab' on voimassa yhden 'a':n ja yhden 'b':n vuoksi.
• Tulos 'abb' on voimassa yhden 'a':n ja 2:n 'b' kanssa.
• Tulos 'a' on kelvollinen, koska yksittäinen 'a' ja 0 'b'.
• Tulostus 'abbb' on kelvollinen, koska yksittäinen 'a' ja 3 'b' ovat voimassa.

3. re.split()

Jaa merkkijono merkin tai kuvion esiintymien mukaan. Kun tämä kuvio löytyy, merkkijonon loput merkit palautetaan osana tuloksena olevaa luetteloa.

Syntaksi :

re.split(pattern, string, maxsplit=0, flags=0)>

Ensimmäinen parametri, pattern ilmaisee säännöllisen lausekkeen, merkkijono on annettu merkkijono, josta mallia etsitään ja jossa jako tapahtuu, maxsplit jos sitä ei ole annettu, katsotaan nollaksi '0' ja jos jokin muu kuin nolla arvo annetaan, niin korkeintaan niin monta jakautumista tapahtuu. Jos maxsplit = 1, merkkijono jaetaan vain kerran, jolloin saadaan luettelo, jonka pituus on 2. Liput ovat erittäin hyödyllisiä ja voivat auttaa lyhentämään koodia, ne eivät ole välttämättömiä parametreja, esim.: flags = re.IGNORECASE, tässä jaossa , kirjainkoko eli pienet tai isot kirjaimet ohitetaan.

Esimerkki 1:

Jakaa merkkijonon käyttämällä muita kuin sanamerkkejä ja välilyöntejä erottimina, palauttaen sanoja: ['Words', 'words', 'Words']> . Pitää heittomerkkejä ei-sanamerkkeinä: ['Word', 's', 'words', 'Words']> . Jako käyttämällä muita kuin sanamerkkejä ja numeroita: ['On', '12th', 'Jan', '2016', 'at', '11', '02', 'AM']> . Jakaa käyttämällä numeroita erottimena: ['On ', 'th Jan ', ', at ', ':', ' AM']> .

Python

>

>

['Words', 'words', 'Words'] ['Word', 's', 'words', 'Words'] ['On', '12th', 'Jan', '2016', 'at', '11', '02', 'AM'] ['On ', 'th Jan ', ', at ', ':', ' AM']>

Esimerkki 2:

Ensimmäinen lauseke jakaa merkkijonon, kun yksi tai useampi numero esiintyy ensimmäisen kerran: ['On ', 'th Jan 2016, at 11:02 AM']> . second jakaa merkkijonon käyttämällä pieniä kirjaimia a - f erottimina, kirjainkoolla ei eroa: ['', 'y, ', 'oy oh ', 'oy, ', 'ome here'> ]>. Kolmas jakaa merkkijonon käyttämällä pieniä kirjaimia a - f erottimina, kirjainkoolla: ['', 'ey, Boy oh ', 'oy, ', 'ome here']> .

Python

>

>

['On ', 'th Jan 2016, at 11:02 AM'] ['', 'y, ', 'oy oh ', 'oy, ', 'om', ' h', 'r', ''] ['A', 'y, Boy oh ', 'oy, ', 'om', ' h', 'r', '']>

4. re.sub()

Funktiossa oleva 'sub' tarkoittaa SubStringia, tietyn säännöllisen lausekkeen mallia etsitään annetusta merkkijonosta (3. parametri), ja löydettyään osamerkkijonokavio korvataan repl (2. parametri), count tarkistaa ja ylläpitää monta kertaa tämä tapahtuu.

Syntaksi:

 re.sub(pattern, repl, string, count=0, flags=0)>

Esimerkki 1:

• Ensimmäinen lauseke korvaa kaikki 'ub':n esiintymät '~*':lla (kirjainkoolla ei ole merkitystä): 'S~*ject has ~*er booked already'> .
• Toinen lauseke korvaa kaikki 'ub':n esiintymät '~*':lla (kirjainkoolla on merkitystä): 'S~*ject has Uber booked already'> .
• Kolmas lause korvaa ensimmäisen esiintymän 'ub':lla '~*' (kirjainkoolla ei väliä): 'S~*ject has Uber booked already'> .
• Neljäs korvaa 'AND' sanalla '&' (kirjainkoolla ei väliä): 'Baked Beans & Spam'> .

Python

>

>

S~*ject has ~*er booked already S~*ject has Uber booked already S~*ject has Uber booked already Baked Beans & Spam>

5. re.subn()

subn() on samanlainen kuin sub() kaikilta osin, paitsi tavassaan tuottaa tulosta. Se palauttaa monikon, jossa on korvausten kokonaismäärä ja uusi merkkijono pelkän merkkijonon sijaan.

Syntaksi:

 re.subn(pattern, repl, string, count=0, flags=0)>

Esimerkki:

re.subn()> korvaa kaikki kuvion esiintymät merkkijonossa ja palauttaa monikon muokatulla merkkijonolla ja tehtyjen korvausten lukumäärällä. Se on hyödyllinen sekä kirjainkoon erottelussa että kirjainkoolla välittömässä korvauksessa.

Python

>

>

('S~*ject has Uber booked already', 1) ('S~*ject has ~*er booked already', 2) 2 S~*ject has ~*er booked already>

6. re.escape()

Palauttaa merkkijonon, jossa on kaikki ei-aakkosnumeeriset kenoviivat. Tämä on hyödyllistä, jos haluat yhdistää mielivaltaisen kirjaimellisen merkkijonon, jossa voi olla säännöllisen lausekkeen metamerkkejä.

Syntaksi:

re.escape(string)>

Esimerkki:

re.escape()> käytetään välttämään merkkijonon erikoismerkkejä, mikä tekee siitä turvallisen käyttää mallina säännöllisissä lausekkeissa. Se varmistaa, että kaikkia merkkejä, joilla on erityismerkityksiä säännöllisissä lausekkeissa, käsitellään kirjaimellisina merkeinä.

Python

>

>

This is Awesome even 1 AM I Asked what is this [a-9], he said   ^WoW>

7. re.search()

Tämä menetelmä joko palauttaa None (jos kuvio ei täsmää) tai re.MatchObject sisältää tietoja vastaavasta merkkijonon osasta. Tämä menetelmä pysähtyy ensimmäisen osuman jälkeen, joten se sopii paremmin säännöllisen lausekkeen testaamiseen kuin tietojen poimimiseen.

Esimerkki: Haetaan kuvion esiintymistä

Tämä koodi käyttää säännöllistä lauseketta kuvion etsimiseen annetusta merkkijonosta. Jos osuma löytyy, se poimii ja tulostaa vastaavat osat merkkijonosta.

Tässä esimerkissä se etsii kuviota, joka koostuu kuukaudesta (kirjaimista), jota seuraa päivä (numerot) syötemerkkijonossa Synnyin 24. kesäkuuta. Jos osuma löytyy, se tulostaa koko vastaavuuden, kuukauden , ja päivä.

Python 3

>

>

Match at index 14, 21 Full match: June 24 Month: June Day: 24>

ASETUKSET

A Aseta on joukko merkkejä, jotka on suljettu suluissa []. Sarjoja käytetään vastaamaan yhtä merkkiä hakasulkeissa määritetyssä merkkijoukossa. Alla on lista sarjoista:

Match Object

Match-objekti sisältää kaikki tiedot hausta ja tuloksesta, ja jos hakua ei löydy, palautetaan None. Katsotaanpa joitain hakuobjektin yleisesti käytettyjä menetelmiä ja määritteitä.

1. Merkkijonon ja säännöllisen lausekkeen hankkiminen

match.re attribuutti palauttaa välitetyn säännöllisen lausekkeen ja match.string attribuutti palauttaa välitetyn merkkijonon.

Esimerkki: Haetaan vastaavan objektin merkkijono ja säännöllinen lauseke

Koodi etsii kirjainta G merkkijonon sanarajalla Tervetuloa GeeksForGeeksiin ja tulostaa säännöllisen lausekkeen kuvion ( res.re> ) ja alkuperäinen merkkijono ( res.string> ) .

Python 3

Greatandhra

>

>

re.compile('G') Welcome to GeeksForGeeks>

2. Haetaan vastaavan objektin indeksi

• start()-menetelmä palauttaa vastaavan osamerkkijonon aloitusindeksin
• end()-metodi palauttaa vastaavan osamerkkijonon loppuindeksin
• span()-menetelmä palauttaa monikon, joka sisältää sovitetun osamerkkijonon aloitus- ja loppuindeksin

Esimerkki: Haetaan vastaavan objektin hakemistoa

Koodi etsii alimerkkijonoa Gee merkkijonon sanarajalta Tervetuloa GeeksForGeeksiin ja tulostaa haun aloitusindeksin (res.start()>), ottelun loppuindeksi (res.end()>), ja ottelun kesto (res.span()>).

Python 3

>

>

11 14 (11, 14)>

3. Vastaavan alimerkkijonon saaminen

group()-metodi palauttaa sen merkkijonon osan, jolle mallit vastaavat. Katso alla oleva esimerkki ymmärtääksesi paremmin.

Esimerkki: Haetaan osumaa alimerkkijonoa

Koodi etsii kahden ei-numeroisen merkin sarjaa, joita seuraa välilyönti ja t-kirjain merkkijonosta Tervetuloa GeeksForGeeksiin ja tulostaa vastaavan tekstin käyttämällä res.group()> .

Python 3

>

>

me t>

Yllä olevassa esimerkissä mallimme määrittää merkkijonolle, joka sisältää vähintään 2 merkkiä, joita seuraa välilyönti, ja välilyöntiä seuraa t.

Aiheeseen liittyvä artikkeli:

Viite:
https://docs.python.org/2/library/re.html

Olemme keskustelleet RegExistä Pythonissa, käyneet läpi metamerkit, funktiot ja erikoissekvenssit RegEx Pythonissa.

Säännöllinen lauseke on erittäin tärkeä käsite Pythonissa, olemme yrittäneet selittää sen helposti. Toivottavasti se auttaa Python-matkallasi!!