Заметки Python #11: Регулярные выражения, шаблоны

Создание и настройка шаблонов регулярных выражений

Что за регулярные выражения?

Регулярное выражение — это последовательность символов, используемая для поиска и замены текста в строке или файле. Чтобы его использовать нужно импортировать модуль regular expression — import re. Как это работает на практике? Рассмотрим функцию findall

import re

text = """
Привет, это санек. Хочу позвать всех своих друзей побухать на выходных. Для этого пошлю e-mail на
huk@manager.ru, pavel@dodo.ru, lisica@moyasemya.ru
"""
# сначала найдем просто все слова

email = re.findall("\w+", text) #нужно передать два параметра - шаблон (pattern) и строку (string)

# результатом будет список строк

print(email)

# чтобы получить список именно e-mail адресов нужно просто изменить шаблон

email = re.findall("\w+@\w+.\w+", text)

print (email)

Результат:

Другие шаблоны

Шаблон — это строка, которая включает в себя символы, которые в свою очередь означают, что в слове они могут присутствовать. Попробуем использовать другие шаблоны для для функции findall

Например (можно использовать «\d+»)

Результат:

+ — это квантификатор. Это значит мы ищем символы идущие подряд. Т.е. ищем все цифры идущие подряд и получаем число

Настройка и создание шаблонов

Шаблоны можно подстраивать под самые различные ситуации. Мы уже знаем шаблон с обратным слэшем. Еще можно использовать шаблон с квантификатором ?. Это означает, что данный символ может быть на том месте, а может и нет. Как это выглядит?

? — символ или есть или его нет

* — символ может быть повторен ноль или множество раз

import re

text = """
Привет, это санек.
Хочу позвать всех своих друзей побухать на своё день рождения в 2019 году, потому что в 2018 было ок
Потратили 802,65 на виски и 569,70 на пиццу - это 99,9% зарплаты санька, а может всего лишь 99%
или вообше 99,99999%
Для этого пошлю e-mail на huk@manager.ru, pavel@dodo.ru, lisica@moyasemya.ru
"""

new = re.findall ("\d+,\d+%", text) #этот код поможет найти проценты с запятой

print(new)

new2 = re.findall ("\d+,?\d+%", text) # квартификатор ? означает, что запятая может быть, а может и нет

print(new2)

new3 = re.findall ("\d+,?\d*%", text) # классификатор * - символ может быть повторен множество раз

print(new3)

Результат:

Шаблон можно настроить иначе, написав в квадратных скобках перечень символов, которые должны входить в новую строку. Записать можно следующим образом:

Результат: (в первом случае результат с точкой в выборку не попал. Во втором мы подправили шаблон)

Взаимозаменяемые шаблоны

В паттернах регулярных выражений можно использовать взаимозаменяемые шаблоны, они будут разделятся вертикальной чертой — |. Скобками мы не только размечаем шаблон, но и указываем, какие символы нам не печатать при выводе — т.е. поиск проходит с процентом в том числе, но вывод покажет только цифры. Таким образом, то, что осталось за скобками — не выводится.

import re

text = """
Привет, это санек.
Хочу позвать всех своих друзей побухать на своё день рождения в 2019 году, потому что в 2018 было ок
Потратили 802,65 на виски и 569,70 на пиццу - это 99,9% зарплаты санька, а может всего лишь 99%
или вообше 99.99999%
"""

new2 = re.findall("[0-9,\.]+%", text)
print(new2)

# та же самая запись, сделанная с помощью взаимозаменяемого шаблона
# границы размечаем скобками

new3 = re.findall("(\d+,?\d*| \d+\.?\d*)%", text)
print(new3)

Результат

Квантификатор количества повторений

Чтобы указать программе, какое точное количество символов будет встречаться в шаблоне, можно использовать квантификатор {}, который укажет точное количество. Например:

Результат:

Чтобы исключить ситуации, когда в фильтр попадают не нужные значения (например в фильтр … попадут слова с ….) можно использовать квантификатор «что угодно, кроме». Например, запись newtext = re.findall(«\w+\.{2,3}[^\.]», text) будет означать, что фильтр после троеточия не допускает еще один символ точки.

Функция re.sub

Чтобы изменять текст в коде существует регулярные выражения с функцией re.sub. Она принимает три аргумента: строка (шаблон, который мы хотим изменить), строка на которую мы меняем, источник текста)

import re

text = """
Самый вкусный вискарик - это пряный вискарик. Lawsons держит марку
Lawsons - недорогой и вкусный
Саня проставится на др именно Lawsons
"""
print(text)

text = re.sub("Lawsons" , "Captain Morgan Black", text)

print(text)

Результат:

Функция re.compile

Служит для создания объектов-шаблонов, чтобы подставлять их в привычные места (например, куда нужно передать аргумент в методе findall). Т.е вместо

re.findall (pattern, text)

Мы используем:

shablon = re.complie (pattern)

shablon.findall (some_text1)

shablon.findall (some_text2)

shablon.findall (some_text3)

Посмотрим на практике:

import re

text1 = 'Самый вкусный вискарик - это пряный вискарик. Lawsons держит марку'
text2 = 'Lawsons - недорогой и вкусный'
text3 = 'Саня проставится на др именно Lawsons'

new_pattern = re.compile("Lawsons")

print(re.sub(new_pattern, "Captain Morgan", text1))
print(re.sub(new_pattern, "Captain Morgan", text2))
print(re.sub(new_pattern, "Captain Morgan", text3))

Результат:

Функция re.search

Функция re.search отдаёт нам результат в виде его положения в тексте, где найдено значение (его первое вхождение), указанное в шаблоне (pattern). Возвращаемый объект имеет тип re.match

import re

text1 = 'Самый вкусный вискарик - это пряный вискарик. Lawsons держит марку'
text2 = 'Lawsons - недорогой и вкусный'
text3 = 'Саня проставится на др именно Lawsons'

new_pattern = "Lawsons"

print(re.search(new_pattern,text1))
print(re.search(new_pattern,text1).group())
print(type(re.search(new_pattern,text1)))

Результат: