Шаг 53.
Основы языка Python.
Регулярные выражения. Синтаксис регулярных выражений

    На этом шаге мы рассмотрим правила задания регулярный выражений.

    Регулярные выражения предназначены для выполнения в строке сложного поиска или замены. В языке Python использовать регулярные выражения позволяет модуль re. Прежде чем задействовать функции из этого модуля, необходимо подключить модуль с помощью инструкции: 

  import re

Синтаксис регулярных выражений

    Создать откомпилированный шаблон регулярного выражения позволяет функция compile(). Функция имеет следующий формат: 

  <Шаблон> = re.compile(<Регулярное выражение>[, <Модификатор>])

    В параметре Модификатор могут быть указаны следующие флаги (или их комбинация через оператор |):

Примечание. Флаги U и UNICODE, включающие режим соответствия Unicode-символам классов \w, \W, \b, \B, \d, \D, \s и \S, сохранены в Python 3 лишь для совместимости с ранними версиями этого языка и никакого влияния на обработку регулярных выражений не оказывают.

    Как видно из примеров, перед всеми строками, содержащими регулярные выражения, указан модификатор r. Иными словами, мы используем неформатированные строки. Если модификатор не указать, то все слеши необходимо экранировать. Например, строку: 

  р = re.compile(r"^\w+$")
нужно было бы записать так: 
  р = re.compile("^\\w+$")

    Внутри регулярного выражения символы ., ^, $, *, +, ?, {, }, [, ], |, \, ( и ) имеют специальное значение. Если эти символы должны трактоваться как есть, их следует экранировать с помощью слеша. Некоторые специальные символы теряют свое особое значение, если их разместить внутри квадратных скобок, - в этом случае экранировать их не нужно. Например, как уже было отмечено ранее, метасимвол "точка" по умолчанию соответствует любому символу, кроме символа перевода строки. Если необходимо найти именно точку, то перед точкой нужно указать символ \ или разместить точку внутри квадратных скобок: [ . ]. Продемонстрируем это на примере проверки правильности введенной даты: 

# -*- coding: utf-8   -*-
import re         # Подключаем модуль
d = "20,01.2017"  # Вместо точки указана запятая
p = re.compile(r"^[0-3][0-9].[01][0-9].[12][09][0-9][0-9]$")
# Символ  "\"  не указан перед точкой
if p.search(d):
    print("Дата введена правильно")
else:
    print("Дата введена неправильно")
# Так как точка означает любой символ,
# выведет: Дата введена правильно
p = re.compile(r"^[0-3][0-9]\.[01][0-9]\.[12][09][0-9][0-9]$")
# Символ "\" указан перед точкой
if p.search(d):
    print("Дата введена правильно")
else:
    print("Дата введена неправильно")
# Так как перед точкой указан символ "\",
# выведет: Дата введена неправильно
p = re.compile(r"^[0-3][0-9][.][01][0-9][.][12][09][0-9][0-9]$")
# Точка внутри квадратных скобок
if p.search(d):
    print("Дата введена правильно")
else:
    print("Дата введена неправильно")
# Выведет: Дата введена неправильно
input()
Архив с файлом можно взять здесь.

    Результат работы приложения приведен на рисунке 1:


Рис.1. Результат работы приложения

    В этом примере мы осуществляли привязку к началу и концу строки с помощью следующих метасимволов:

    Если в параметре Модификатор указан флаг M (или MULTILINE), то поиск производится в строке, состоящей из нескольких подстрок, разделенных символом новой строки (\n). В этом случае символ ^ соответствует привязке к началу каждой подстроки, а символ $ - позиции перед символом перевода строки: 

>>> p = re.compile(r'^.+$') # Точка не соответствует \n
>>> p.findall("str1\nstr2\nstr3") # Ничего не найдено
[]
>>> p = re.compile(r'^.+$', re.S)  # Теперь точка соответствует \n
>>> p.findall("str1\nstr2\nstr3") # Строка полностью соответствует
['str1\nstr2\nstr3']
>>> p = re.compile(r'^.+$', re.M)  # Многострочный режим
>>> p.findall("str1\nstr2\nstr3") # Получили каждую подстроку
['str1', 'str2', 'str3']

    Привязку к началу и концу строки следует использовать, если строка должна полностью соответствовать регулярному выражению. Например, для проверки, содержит ли строка число: 

# -*- coding: utf-8   -*-
import re # Подключаем модуль
p = re.compile(r"^[0-9]+$", re.S)
if p.search("245"):
    print("Число") # Выведет: Число
else:
    print("He число")
if p.search("Строка245"):
    print("Число")
else:
    print("He число") # Выведет: Не число
input()
Архив с файлом можно взять здесь.

    Результат работы приложения приведен на рисунке 2:


Рис.2. Результат работы приложения

    Если убрать привязку к началу и концу строки, то любая строка, содержащая хотя бы одну цифру, будет распознана как число: 

# -*- coding: utf-8   -*-
import re # Подключаем модуль
p = re.compile(r"[0-9]+$", re.S)
if p.search("Строка245"):
    print("Число") # Выведет: Число
else:
    print("He число") 
input()
Архив с файлом можно взять здесь.

    Результат работы приложения приведен на рисунке 3:


Рис.3. Результат работы приложения

    Кроме того, можно указать привязку только к началу или только к концу строки: 

# -*- coding: utf-8   -*-
import re # Подключаем модуль
p = re.compile(r"[0-9]+$", re.S)
if p.search("Строка245"):
    print("Есть число в конце строки")
else:
    print("Нет числа в конце строки")
# Выведет: Есть число в конце строки
p = re.compile(r"^[0-9]+", re.S)
if p.search("Строка245"):
    print("Есть число в конце строки")
else:
    print("Нет числа в конце строки")
# Выведет: Нет числа в конце строки
input()
Архив с файлом можно взять здесь.

    Результат работы приложения приведен на рисунке 4:


Рис.4. Результат работы приложения

    На следующем шаге мы закончим изучение этого вопроса.




Предыдущий шаг Содержание Следующий шаг